【基于PSO-BP神经网络的检测方法分析案例4400字】

基于PSO-BP神经网络的检测方法分析案例目录TOC\o"1-3"\h\u22321基于PSO-BP神经网络的检测方法分析案例 )式中，为最大迭代次数，为当前迭代次数，为初始惯性权值，通常取为0.9，为迭代至最大迭代次数时的惯性权值，通常取为0.4。1.4实验结果与本文第三章基于支持向量机的检测模型中的处理过程相同，对获取到的用户用电数据进行相关处理，最终得到5万余条样本数据。并选取三相电流、三相电压、三相有功功率、有功总功率和不平衡率作为特征输入，把异常数据样本标记为1、正常数据样本标记为0，将分类标签作为输出，用于构建特征输入和分类输出的关联关系模型。随后，采用最大最小归一化的方法对数据进行处理。为保证实验的有效性，保持训练集和测试集中的样本数据条数不变，进行3次随机划分，得到3组训练集和测试集。在Python3.6.8实验环境下，分别对基于BP神经网络的检测模型和基于PSO-BP神经网络的检测模型进行编程实现，并利用划分得到的3组训练集和测试集进行实验验证。未加入PSO算法改进，采用基于BP神经网络的检测模型对测试集的实验结果如表4-1、表4-2和表4-3所示：表4-1基于BP神经网络的检测模型第1次实验结果表第1次实验预测类别为1（异常）类别为0（正常）真实类别为1（异常）4131869类别为0（正常）7014299表4-2基于BP神经网络的检测模型第2次实验结果表第2次实验预测类别为1（异常）类别为0（正常）真实类别为1（异常）4215785类别为0（正常）6864314表4-3基于BP神经网络的检测模型第3次实验结果表第3次实验预测类别为1（异常）类别为0（正常）真实类别为1（异常）4300700类别为0（正常）7374263由表4-1、表4-2和表4-3可知，基于BP神经网络的检测模型对测试集的三次实验结果为：三次实验的TP值分别为4131、4215和4300，FN值分别为869、785和700，FP值分别为701、686和737，TN值分别为4299、4314和4263。相较于FN和FP，三次实验的TP和TN均较大，可以看出BP模型能够较为准确地实现对配电网非技术损失的检测。对基于BP神经网络的检测模型的3次实验结果进行分析，得到基于BP神经网络的检测模型测试的各项评价指标结果，如表4-4所示：表4-4基于BP神经网络的检测模型测试的评价指标表次数准确率精确率召回率F1-ScoreAUC值10.84300.85490.82620.84030.840120.85290.86000.84300.85140.851230.85630.85370.86000.85680.8537从表4-5中可以看出，基于BP神经网络的检测模型对测试集的三次实验的评价指标为：三次实验的准确率为81.30%、85.29%和85.63%，计算平均值为85.07%；精确率为85.49%、86.00%和85.37%，计算平均值为85.62%；召回率为82.62%、81.30%和86.00%，计算平均值为81.31%；F1-Score为81.03%、85.14%和85.68%，计算平均值为81.95%；AUC值为0.8401、0.8512和0.8537，计算平均值为0.8483。与SVM模型检测的实验结果相比，BP神经网络模型的检测效果更好。加入PSO算法改进后，利用基于PSO-BP神经网络的检测模型对测试集的实验结果如表4-5、表4-6和表4-7所示：表4-5基于PSO-BP神经网络的检测模型第1次实验结果表第1次实验预测类别为1（异常）类别为0（正常）真实类别为1（异常）4352648类别为0（正常）6604340表4-6基于PSO-BP神经网络的检测模型第2次实验结果表第2次实验预测类别为1（异常）类别为0（正常）真实类别为1（异常）4328672类别为0（正常）6304370表4-7基于PSO-BP神经网络的检测模型第3次实验结果表第3次实验预测类别为1（异常）类别为0（正常）真实类别为1（异常）4322678类别为0（正常）6184382由表4-5、表4-6和表4-7可知，基于PSO-BP神经网络的检测模型对测试集的三次实验结果为：三次实验的TP值分别为4352、4328和4322，FN值分别为648、672和678，FP值分别为660、630和618，TN值分别为4340、4370和4382。相较于FN和FP，三次实验的TP和TN较大，可以看出基于PSO-BP神经网络的检测模型能够准确地实现对配电网非技术损失的检测。对基于PSO-BP神经网络的检测模型的3次实验结果进行分析，得到基于PSO-BP神经网络的检测模型测试的各项评价指标结果，如表4-8所示：表4-8基于PSO-BP神经网络的检测模型测试的评价指标表次数准确率精确率召回率F1-ScoreAUC值10.86920.86830.87040.86940.863220.86980.87290.86560.86930.865730.87040.87490.86440.86960.8706从表4-8中可以看出，基于PSO-BP神经网络的检测模型对测试集的三次实验的评价指标为：三次实验的准确率为86.92%、86.98%和87.04%，计算平均值为86.98%；精确率为86.83%、87.29%和87.49%，计算平均值为87.20%；召回率为87.04%、86.56%和86.44%，计算平均值为86.68%；F1-Score为86.94%、86.93%和86.96%，计算平均值为86