基于逆向学习的水电厂现场作业风险预警模型研究

摘要

以保障水电厂现场作业安全为目的,研究基于逆向学习的水电厂现场作业风险预警模型。从公共风险、机组器械系统设备风险、电气系统设备风险与水工建筑风险四类风险出发选取指标构建水电厂现场作业风险预警指标体系。采用基于逆向学习传感系统,基于传感器输入样本点与期望输出值组成的线性表反演测量点位置,获取准确的风险预警指标数据。利用LSTM神经网络构建风险预警模型,将预警指标数据作为模型输入,将风险预警等级作为模型输出,通过传播路径实施反向输出比对,优化不同权重矩阵与偏差,由此获取水电厂现场作业风险预警结果。同时利用基于逆向学习行为粒子子群算法优化预警模型参数,提升模型预警精度。实验结果显示该模型能够准确预警水电厂现场作业风险,保障现场作业的安全性。