[发明专利]基于神经网络的疏浚施工参数选优模型方法

权利要求书

1.基于神经网络的疏浚施工参数选优模型方法，其特征在于：包括如下步骤：

S1：疏浚施工参数设定：根据疏浚施工所需的参数需求，对施工参数进行组合提取；

其中，先将提取参数和权重参数进行设置，设置完成后提取方案生成列表，再对比疏浚工具的工作强度，对比完成后挑选该强度下的方案并保存；

S2：参数数据加密和运算：根据施工设备中的各个参数的监控数据，对监控数据的原始数据进行异常排查，异常排查完成后对异常数据生成警报数据，对无异常的数据进行数据加密，并对加密数据进行数据运算；

S3：运算数据优化：根据神经网络运算得出的参数数据，将参数数据进行不良数据的筛查并剔除，并自动生成有效数据；

S4：优化数据生成反馈：根据得出的优化数据，将优化数据中的每个数据节点进行数据类别分析，并将分析完成后的数据生成反馈监测数据。

2.根据权利要求1所述的基于神经网络的疏浚施工参数选优模型方法，其特征在于：针对S1中参数数据的采集提取，包括：

参数接口提取模块，用于：

获取施工装置中各个装置中的施工参数数据的功能属性，并基于各个装置的功能属性提取其中接口的基准接口参数；

接口监控模块，用于：

基于基准接口参数确定对各属性的设备的监控参数指标，并基于监控参数指标根据预先设定的监控插件生成规则生成监控插件，其中，所述监控插件携带有动态函数库；

监控接口对接模块，用于：

提取监控插件的配置参数，并基于各设备接口的基准接口参数通过所述动态函数库中的各预设函数对所述监控插件的配置参数进行调整，且基于调整结果得到监控插件对应的监控接口；

监控数据统计模块，用于：

基于监控接口向各模块的模块接口发送监控请求，且在收到模块接口的响应信息时，将监控插件对应的监控接口与各设备的设备接口进行对接；

基于对接结果通过监控插件根据预设时间间隔获取对各模块的监控日志文件，并提取监控日志文件中监控数据的数据特征；

基于所述数据特征对监控数据进行分类统计，得到各设备的子监控数据。

3.根据权利要求1所述的基于神经网络的疏浚施工参数选优模型方法，其特征在于：针对S2中监控数据中原始数据的异常排查，包括：

监控数据分析模块，用于：

绘制二维直角坐标系，并提取各模块的子监控数据的目标取值，且基于所述目标取值在所述二维直角坐标系进行可视化展示，得到各模块的模块接口参数在监控时间段内的参数变化曲线；

获取各模块接口的基准接口参数，并基于所述基准接口参数在二维直角坐标系中得到各模块的基准参考线；

将所述参数变化曲线与所述基准参考线进行重叠，并基于重叠结果确定存在异常的参数变化曲线，且基于异常的参数变化曲线得到异常数据；

异常接口定位模块，用于：

将所述异常数据的子监控数据输入预设故障诊断模型分析，得到所述异常数据的故障类型以及故障位置；

异常数据读取模块，用于：

将各个设备的异常数据进行分组打包；

根据每个打包数据的接口参数的重要度大于等于预设阈值的目标数值进行统计；

数据对比模块，用于：

获取每个设备端口的参数数据的历史传输成功数据，解析所述历史传输成功数据确定其完整性和安全性，根据所述完整性和安全性评估出该数据设备接口参数的威胁风险指数和漏洞风险指数；

根据每个设备接口参数的目标数值的阈值大小和该设备接口参数的威胁风险指数和漏洞风险指数利用预设风险评估体系计算出该设备接口的安全性指数；

等级分类模块，用于：

根据预设风险评估体系计算出不同设备接口的安全性指数，根据安全性指数的数据值将其进行等级划分，大于异常指数的数据将自动生成异常警报数据。