技术领域
[0001] 本
发明涉及海洋灾害预警技术领域，特别是涉及一种用于滨海核电站海洋致灾物预警系统。
背景技术
[0002] 近年来，海域大量垃圾、
水母、鱼类、海藻、海草等随潮汐、
风浪至滨海核电站冷源取水口，大量漂浮杂物进入取水明渠及取水
泵房导致过滤设备堵塞，进一步引起电站机组功率降低甚至突发停堆。为减小海洋对滨海核设施的安全运行造成的巨大经济损失，滨海核电站冷源取水口周边海域进行全方位监测和预警已成为核电站冷源安全亟待解决的问题。
[0003] 目前，我国滨海核电冷源防护主要是采用人工定期清理打捞以及人工巡视检查相结合的方法，属于被动防护阶段；另外，面对复杂多变的海洋环境，单一的监测手段已无法应对多参数耦合引起的海洋灾害，必须进行多参数的全方位监测与分析；同时，冷源防护针对潜在海洋灾害威胁缺少早期预警，不能及时做好应对灾害发生的前期准备。
发明内容
[0004] 本发明的目的在于提供一种用于滨海核电站海洋致灾物预警系统，系统拓宽了新技术在滨海核电站冷源防护领域的应用，同时填补了国内当前滨海核电冷源防护系统早期灾害预警的空白，更好地满足了滨海核电站取水口的监测预警需求。
[0005] 具体而言，本发明提供一种一种用于滨海核电站海洋致灾物预警系统，包括多源
数据采集模
块、
数据处理模块、数据管理模块、分析模块和决策支持模块；其中[0006] 所述多源数据采集模块用于获取至少包括海洋环境信息、气象信息、水面物体探测信息以及水下物体探测信息的多源异构数据，并将获取的多源异构数据通过网络传输至数据处理模块；
[0007] 所述数据处理模块，用于识别、量化和归一化所述多源数据采集模块获得的多源异构数据，并对异常干扰数据进行滤波处理，从而获得处理后的监测数据；
[0008] 所述数据管理模块，用于存储处理后的监测数据和历史数据；
[0009] 所述分析模块，用于结合所述历史数据信息构建的预测网络架构，通过代入处理后的监测数据预测计算海
生物量化值；
[0010] 所述决策支持模块，用于当所述分析模块计算的海生物灾害量化值超过某一预设的安全
阈值时，根据该量化值查找对应的灾害等级，进一步的确定该灾害等级下的应对方案和措施，并通过网络将所述灾害等级和应对方案自动推送至关联人员终端设备。
[0011] 进一步地，所述多源数据采集模块具体包括流速仪、水质分析仪、气象仪、高清摄像机、声呐以及人工统计数据，用于获得冷源取水口的多维全面数据；所述多源数据采集模块产生多源异构数据包括水流、流向、PH、溶解
氧、水温、风速、风向、浪高、浪向、水面图像、水下回声图像，多种采集仪器获得的数据具有不同格式。
[0012] 进一步地，归一化所述多源数据采集模块获得的多源异构数据是将不同格式、不同量纲的数据通过归一化函数映射到[-1 1]之间的能被计算机处理的数据；
[0013] 对异常干扰数据进行滤波处理是将多源监测数据中由于外界干扰或者监测设备工作异常导致的数据突变进行剔除或弱化其影响程度，同时判断各数据采集模块在同一
采样时间点采集数据是否有缺失，若采集数据有缺失通过前后采样点进行插值处理。
[0014] 进一步地，所述数据管理模块包括组织数据存储、历史数据查询、阶段数据变化趋势，实时数据与历史数据对比变化曲线。
[0015] 进一步地，所述分析模块根据所述历史数据获取已发生海洋致灾物灾害前的海洋环境数据变化情况；根据所述海洋环境数据变化情况和所述多源数据采集模块的实时信息预测计算某一多源异构数据的量化数值；将预测结果与实际结果对比，若存在较大的差异更新预测网络结构参数，实现网络的
自学习能
力。
[0016] 进一步地，所述分析模块包括特定海域的分析模块，用于通过特定海域历史数据调整网络的权重系数，得到特定海域的量化值，使所述系统具备应用海域的自适应性。
[0017] 进一步地，所述决策支持模块用于灾害不同等级下，推送的对应的解决方案，包括：一级预警时，推送请冷源防护小组注意潜在威胁信息；二级预警时，推送请冷源防护小组现场查证与确认信息；三级预警时，推送请冷源防护小组组织人员清理与打捞，同时做好机组降功率运行准备信息。
[0018] 进一步地，所述决策支持模块推送的预警信息和支持方案可通过网络向特定人员的电脑或手机发送。
[0019] 本发明的优点是：
[0020] 1、拓展了新技术在滨海核电站冷源防护领域的应用；
[0021] 2、通过多源数据采集模块包括水文、水质、气象、水面影像、水下成像等参数实现对冷源周边海域环境的多维度监测，增强了系统数据收集的完整性；
[0022] 3、采用数据处理模块，通过归一化函数、滤波
算法、插值算法对采集数据预处理，提高了系统抗干扰能力和数据的准确性；
[0023] 4、分析模块能够根据大量的历史数据信息，通过多层深度
迭代运算抽象出各因素量化指标之间的内在权重系数，提高了系统的准确度；
[0024] 5、分析模块能够根据预测结果与实际结果对比，若差异超过设定范围，自动调整网络结构参数，具有良好的自我学习能力；
[0025] 6、决策支持模块根据分析结果，自动推送对应灾害等级下的处理措施与建议，极大提高了冷源防护人员的工作效率。
附图说明
[0026] 图1是本发明滨海核电站海洋致灾物预警系统的组成示意图；
[0027] 图2是根据本发明一个
实施例的滨海核电站海洋致灾物预警系统示意图；
[0028] 图3是根据本发明一个实施例的滨海核电站海洋致灾物预警系统影像信息量化处理示意图。
具体实施方式
[0029] 下面结合附图对本发明作进一步说明。
[0030] 参考图1，本发明的滨海核电站海洋致灾物预警系统包括包括多源数据采集模块、数据处理模块、数据管理模块、分析模块和决策支持模块；其中
[0031] 所述多源数据采集模块用于获取至少包括海洋环境信息、气象信息、水面物体探测信息以及水下物体探测信息的多源异构数据，并将获取的多源异构数据通过网络传输至数据处理模块；
[0032] 所述数据处理模块，用于识别、量化和归一化所述多源数据采集模块获得的多源异构数据，并对异常干扰数据进行滤波处理，从而获得处理后的监测数据；
[0033] 多源数据采集模块采集的数据必须先经过数据处理模块处理，才能形成具有量化和归一化的、计算机可识别的数据。
[0034] 所述数据管理模块，用于存储处理后的监测数据和历史数据；
[0035] 所述分析模块，用于结合所述历史数据信息构建预测网络架构，通过代入处理后的监测数据预测计算海生物量化值；同时分析模块构建的预测网络架构以及相关参数，也可以存储在数据管理模块之中，因此两者之间实现双向连接。
[0036] 所述决策支持模块，用于当所述分析模块计算的海生物灾害量化值超过某一预设的安全阈值时，根据该量化值查找对应的灾害等级，进一步的确定该灾害等级下的应对方案和措施，并通过网络将所述灾害等级和应对方案自动推送至关联人员终端设备。由此，决策支持模块的决策作为历史信息保存在
数据库管理模块中，两者之间实现双向连接。人员的终端设备可以将执行的历史过程，执行结果反馈给数据库管理模块。
[0037] 更具体地，图2示出了是本发明滨海核电站海洋致灾物预警系统的详细组成示意图。该系统主要包括：多源数据采集模块1，用于获取海洋环境监测信息，并将获取的多源异构数据通过网络传输至数据处理模块。
[0038] 多源异构数据中的海洋环境信息主要包括：由流速仪器获得的水文数据1.1、由水质分析仪获得的水质数据1.2、来自气象站的气象数据1.3、由摄像机获得的水面影像1.4、由声呐获得的水下成像1.5的数据以及影像信息，还包括人工捕捞获得的统计数据1.6。
[0039] 所述多源数据采集模块产生多源异构数据包括水流、流向、PH、溶解氧、水温、风速、风向、浪高、浪向、水面图像、水下回声图像，多种采集仪器获得的数据具有不同格式[0040] 具体的，由于不同仪器设备之间
接口协议、传输方式存在差异，导致多源监测设备集成困难，因此采用标准的以太网接口统一接口协议，实现数据信息的网络化传输。
[0041] 还包括数据处理模块2，用于识别、量化和归一化所述多源数据采集模块获得的多源异构数据，并对异常干扰数据进行滤波处理。
[0042] 具体的，由于不同设备之间的数据格式、量纲不一致，例如数值数据和影像信息、速度单位和重量单位等的差异性严重影响了系统的计算速度和
精度，因此影像信息利用
图像识别技术转化为量化的数值数据；其中以影像信息量化为例说明，首先获得单
帧影像的图片，通过图片预处理提取高
质量的图片信息，然后将图片信息转化为二维矩阵，通过二维矩阵中各元素值的大小统计图像RGB数量，并根据不同大小的RGB对应的面积和
密度系数转化为实际的面积和密度量化值，具体流程如图3所示。
[0043] 量化后，不同量纲的差异通过归一化函数映射到[-1 1]之间，实现标准化；对多源采集数据中的每一项数据分别进行处理，利用离散的数值
滤波器采用滤波算法2.3将外界干扰或者监测设备工作异常导致的数据突变进行剔除或弱化其影响程度，同时判断各数据采集模块在同一采样时间点采集数据是否有缺失，若采集数据有缺失通过差值处理算法2.2前后采样点进行插值处理。
[0044] 样本数据运用数据归一化函数2.1处理，所述数据归一化处理函数为，[0045]
[0046] 其中，xg是归一化后的数据，x为原始数据，xmin，xmax为同一种样本数据中的最大值和最小值。
[0047] 还包括数据存储模块3，用于存储处理后的监测数据和历史数据，还用于所述各项实时监测数据的变化趋势动态显示以及与所述历史数据生成对比变化曲线。
[0048] 具体的，包括数据存储3.1，数据查询3.2，
可视化对比曲线3.3等功能，对处理后的所述多源监测数据和所述历史数据按照规定的逻辑设置实时记录保存，确保数据的准确性和完整性，将已有的各类监测设备数据包括图片、资料、表格将按照相应格式进行归一化处理，最后所有数据将按类别、时间等信息存储到已有数据库中，进行统一管理，以便历史信息查询和算法使用。
[0049] 分析模块4，利用历史数据提取4.1模块结合已有历史数据信息构建的预测网络架构，即进行预测网络构建4.2，通过代入处理后的多源监测数据实时计算海生物量化值，利用预测结果输出模块4.3输出该结果。
[0050] 对比优化预测网络4.4的构建，具体的，本实例海生物量化值以人工打捞量为例说明，根据多源监测设备获取的水文1.0、水质1.1、气象1.2、水面探测1.3、水下探测1.4的历史数据和影像信息获得取水口海域已有海洋灾害因子内在的关联关系，并获得具有一定
置信度的网络结构，将多源监测设备实时获得的数据代入该网络，预测出一个人工打捞量的量化值，对海洋灾害进行评估。作为对该方案的改进，所述预测人工打捞量的量化值与所述实际人工统计的打捞量1.5对比，若存在较大的差异更新预测网络结构参数，实现网络的自学习能力，从而提高网络预测数据的准确性。
[0051] 更具体地，本发明可以采用神经网络的方法构建所述预测网络模型。
[0052] 神经网络模型训练包括以下步骤：
[0053] (1)利用系统时钟产生随机数，并对每一层的神经单元的权重值w和偏置值b初始化，系统随机函数rand与权重值w和偏置值b初始化函数为，
[0054] rand('state',sum(100*clock)) (1)
[0055] w＝(0.1～0.5)*rand(m,n)-0.1 (2)
[0056] b＝(0.1～0.5)*rand(m,1)-0.1 (3)
[0057] 其中，式(1)为系统时钟随机函数，式(2)为在式(1)的
基础上权重值w的随机初始值，式(3)为在式(1)的基础上偏置值b的随机初始值；补充state，clock，m，n的含义[0058] (2)初始化神经网络参数，包括网络最大训练次数maxEpoch，权重值和偏置值更新步长的学习速率learnRate，防止系统过拟合的噪声强度noiseIntensity(0～1)，神经网络训练目标误差范围Error；设定网络从1至maxEpoch开始训练；
[0059] (3)按照以下公式开始计算网络隐含层矩阵A、
输出层矩阵B，网络误差E和对应的实际样本输出矩阵R，具体算式为，
[0060] A＝logsig(w1*S+b1)
[0061] B＝w2*A+b2
[0062] E＝R-B
[0063] 其中，w1为隐含层权重值、w2为输出层权重值、b1为隐含层偏置值，b2为输出层偏置值，S为样本矩阵；
[0064] (4)按照以下公式计算隐含层和输出层误差变化delta1和delta2，并进一步迭代计算各层权重值和偏置值的修正值以及新的权重值和偏置值，其中网络参数修正值为避免出现发散和过拟合现象，添加噪声扰动项，使本次参数值
修改的方向不完全由当前样本下的梯度方向决定，而是由上一次的参数值修改方向与本次梯度方向共同决定，具体算式为，[0065] delta2＝E
[0066] delta1＝w2*delta2*A*(1-A)
[0067] dw2＝delta2*A
[0068] db2＝delta2
[0069] dw1＝delta1*S
[0070] db1＝delta1
[0071]
[0072]
[0073]
[0074]
[0075] 其中，dw1表示隐含层权重值的修正值，dw2表示输出层权重值的修正值，db1表示隐含层偏置值的修正值，db2表示输出层偏置值的修正值，τ表示本次迭代次数；
[0076] (5)按照以下公式计算修正后的误差平方和Esqr为，
[0077] Esqr＝sumsqr(E)
[0078] (6)通过条件判断函数确定误差平方和是否在设定误差范围Error内，若是，网络训练结束，否则继续，每一组样本数据最大迭代计算次数不超过maxEpoch；
[0079] (7)循环步骤1)到5)，进行下一组样本数据的训练，直至所有样本数据训练完成为止。
[0080] 在本实施例中，当需要对某一特定海域进行海洋致灾物量化预测时，将根据该海域历史数据调整多源监测数据的权重系数，从而得到适用于该海域的致灾物量化模型。
[0081] 决策支持模块5，包括评价分析模块5.1，灾害等级与方案模块5.2，信息推送模块5.3，客户端交互模块5.4。灾害等级与方案模块5.2用于当预测网络的评价分析模块5.1计算的海生物打捞量的值超过某一预设的安全阈值时，根据该量化值查找对应的灾害等级，进一步的确定该灾害等级下的应对方案和措施，并息推送模块5.3通过网络将所述灾害等级和应对方案自动推送至关联人员终端设备，所述终端设备包括客户端交互模块5.4，实现双向通信。
[0082] 具体的，在灾害发生之前，系统可以根据所采集到的多源监测数据，用现有的预测算法得出未来一段时间内灾害发展的程度，给出预警级别和对应决策支持方案，同时系统集成的影像数据、数值数据等监测数据，工作人员可以通过电脑或者手机APP随时随地的查询各种数据与当前预警级别对照，快速高效地采取应对措施。
[0083] 本发明不仅局限于上述具体实施方式，本领域一般技术人员根据实施例和附图公开内容，可以采用其它多种具体实施方式实施本发明，因此，凡是采用本发明的设计结构和思路，做一些简单的变换或更改的设计，都落入本发明保护的范围。
