一种基于GA-BP神经网络的排水管网健康性评价方法

本发明涉及排水管网健康评估，尤其是涉及一种基于ga-bp神经网络的排水管网健康性评价方法。

背景技术：

1、我国排水管网资产庞大，是市政设施必不可少的组成部分，其关系着城市工业建设和居民生活正常运转。排水管网设施的改造、规划、设计、建设及工程验收过程进行管理是城市排水管理部门的重要业务内容之一。部分管道管龄时间长、管网老化等现象，排水管网安全运行面临严峻挑战，排水管网风险评价受到越来越多的关注。

2、目前排水管网修复和维护较为随意，评估过程也较简单，甚至不评估而直接根据管龄来替换，导致资源浪费。要改变这一现象，在对官网修复或维护之前需事先对管网进行系统的风险评价。而现排水管网风险评价多采用层次分析法进行权重分析，然后利用模糊综合评价法确定风险等级，评价过于主观，故需要一种更为准确可靠的评价方法。

技术实现思路

1、本发明的目的是提供一种基于ga-bp神经网络的排水管网健康性评价方法，通过遗传算法优化bp神经网络的权值和阈值，克服了bp神经网络算法在计算过程易陷入局部最小值、泛化能力不稳定的缺点，评价模型及参数可解释性强，确定管网检测优先级，有助于管网设施安全运维和灾害风险的主动管理，对排水管网的健康性风险评价更为准确、可靠。

2、为实现上述目的，本发明提供了一种基于ga-bp神经网络的排水管网健康性评价方法，步骤如下：

3、s1、分析影响排水管网健康性的各类因素，根据地区实际排水条件，结合文献分析法和国家标准要求，明确指标体系构建原则，确定排水管网健康性评价指标体系；

4、s2、确定bp神经网络结构的输入、输出变量，并对输入层节点个数、输出层节点个数、隐含层节点个数进行数据预处理，建立bp神经网络层次结构，训练bp神经网络结构；

5、s3、设置遗传算法改进bp神经网络参数，包括编码设定、确定种群规模、选取适应度函数、遗传操作设定，根据遗传算法对确定的bp神经网络结构权值和阈值进行优化筛选，获得ga-bp神经网络模型；

6、s4、根据最终确定的ga-bp神经网络结构对排水管网健康性进行评价，将排水管道健康性分为r1较高风险、r2高风险、r3中风险、r4低风险四个等级，确定排水管网运维修护的优先级，为管网优化改造提供决策支持，科学地制定管道改造优化方案。

7、优选的，步骤s1中的评价指标体系分为三个层次：

8、1)目标层，排水管网健康性u；

9、2)管网的本体因素u1、外部因素u2、环境因素u3三个方面的影响；

10、3)本体因素u1、外部因素u2、环境因素u3三个影响因素各自的子影响因素。

11、优选的，步骤s2具体包括：

12、s21、确定隐含层数量和隐含层神经元数，隐含层的传递函数为sigmoid函数，输出层的传递函数为线性函数；

13、s22、通过步骤s21中的函数，得到预测值与实测值并计算均方根误差和回归r值，比较选取rmse最小、相关系数r值最大时的隐含层节点数，为模型最佳参数；

14、s23、输入层和输出层的设计：确定输入层的10个评估指标赋分值作为输入参数，以管网健康性评价指标中10个评估指标作为输入层，以排水管道健康性等级为目标输出值；

15、s24、数据预处理：自变量包括连续型变量与分类变量，二项分类变量按0-1编码，0表示未发生过破损的管道，1表示发生过破损的管道，多分类变量采用哑变量编码。

16、优选的，步骤s3中，进行bp神经网络训练之前先将种群个体作为bp神经网络参数，通过bp神经网终给出结果的误差，计算种群个体的适应度，对适应度好的个体执行遗传操作设定，根据遗传算法将最优个体作为bp神经网络结构的初始权值和阈值，再由bp算法按负梯度方向进行快速调整权值和阈值；

17、并采用混淆矩阵方法ga-bp神经网络模型的效果进行评价，采用roc曲线通过预测结果对样例进行排序。

18、优选的，步骤s3中，

19、遗传算法编码：编码长度l的编码方式为实数编码

20、l＝n×h+h×m+h+m

21、其中，n为输入层神经元数，h为隐含层的节点数量，m为输出层神经元数；

22、确定种群规模：设置在10-20之间；

23、确定适应度函数：种群中每个个体适应度值f的计算公式为

24、f＝a∑|pk-tk|

25、其中，f为适应度值，a为系数，tk为对应实际输出值。

26、优选的，遗传操作设定包括选择操作、交叉操作、变异操作；

27、选择操作：采用轮盘赌发，基于适应度比例的选择策略，每个个体i的选择概率pi为

28、

29、其中，fi为个体i的适应度值，n为种群个体数目；

30、交叉操作：第k个染色体bk和第l个染色体bl在j位的交叉，具体交公式为

31、bkj＝bkj(1-a)+bija

32、bij＝bij(1-a)+bkja

33、变异操作：第i个个体第j个基因的变异，具体变异操作为

34、

35、

36、其中，bmin是基因bij的下界，bmax是基因bij的上届，r1是随机数，g为迭代次数，gmax是最大进化次数。

37、因此，本发明采用上述结构的一种基于ga-bp神经网络的排水管网健康性评价方法，实现的有益效果为：

38、本发明选取管网设备本体因素、外部因素和环境三个角度指标类型，选取相对的影响因素作为子指标，并采用遗传算法优化bp神经网络的权值和阈值，克服了bp神经网络算法在计算过程易陷入局部最小值、泛化能力不稳定的缺点，使模型的性能更优，对排水管网的健康性风险评价更为准确、可靠。

39、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

技术特征：

1.一种基于ga-bp神经网络的排水管网健康性评价方法，其特征在于，步骤如下：

2.根据权利要求1所述的一种基于ga-bp神经网络的排水管网健康性评价方法，其特征在于：步骤s1中的评价指标体系分为三个层次：

3.根据权利要求2所述的一种基于ga-bp神经网络的排水管网健康性评价方法，其特征在于：步骤s2具体包括：

4.根据权利要求3所述的一种基于ga-bp神经网络的排水管网健康性评价方法，其特征在于：步骤s3中，进行bp神经网络训练之前先将种群个体作为bp神经网络参数，通过bp神经网终给出结果的误差，计算种群个体的适应度，对适应度好的个体执行遗传操作设定，根据遗传算法将最优个体作为bp神经网络结构的初始权值和阈值，再由bp算法按负梯度方向进行快速调整权值和阈值；

5.根据权利要求4所述的一种基于ga-bp神经网络的排水管网健康性评价方法，其特征在于：步骤s3中，

6.根据权利要求5所述的一种基于ga-bp神经网络的排水管网健康性评价方法，其特征在于：遗传操作设定包括选择操作、交叉操作、变异操作；

技术总结
本发明公开了一种基于GA‑BP神经网络的排水管网健康性评价方法，属于排水管网健康评估技术领域。通过分析影响排水管网健康性的各类因素，确定排水管网健康性评价指标体系；建立BP神经网络层级结构，确定BP神经网络的输入和输出；采用遗传算法对BP神经网络结构权值和阈值进行优化筛选，并对GA‑BP神经网络模型效果进行评价；使用最终确定的GA‑BP模型对排水管网健康性进行评价。本发明使用的GA‑BP模型可解释性强，克服了以往排水管网健康性评估过程中评价主观性高的问题，便于确定管网检测优先级，有助于管网设施安全运维和灾害风险主动管理，同时也为管网优化改造提供决策支持。

技术研发人员：郭婉茜,郭亮,陶喆,孙慧格,孟昭辉,张宝
受保护的技术使用者：哈尔滨工业大学
技术研发日：
技术公布日：2024/1/15