一种用于核电数据的处理方法及其装置与流程

本发明属于数据处理，特别是涉及一种用于核电数据的处理方法及其装置。

背景技术：

1、核电数据通常包括核电站的建筑施工数据、电站运行数据、设备数据、环境监测数据等，这些数据不仅数量庞大，而且具有高度的复杂性和多样性。

2、首先，核电数据的复杂性体现在其种类繁多上。不同类型的核电站(如压水堆、沸水堆、重水堆等)会产生不同的数据类型和格式。此外，同一类型的核电站在不同工况下也会生成不同的数据。这些数据之间存在着复杂的关联关系，需要通过深入的分析和挖掘才能揭示其内在规律。

3、其次，核电数据的复杂性还体现在其结构上。核电数据通常包含大量的数值型和非数值型数据，其中数值型数据又可以分为连续型和离散型两种。这些数据之间存在着复杂的相互关系，需要通过有效的数据处理和分析方法才能提取出有用的信息。

4、最后，核电数据的复杂性还体现在其实时性和动态性上。由于核电站的运行状态会随着时间和工况的变化而变化，因此核电数据具有很强的实时性和动态性。这就要求我们在对核电数据进行分类时能够快速响应这些变化，并及时调整分类策略。

5、由于核电数据的复杂性、多样性、结构性以及实时性和动态性等特点，使得对其进行快速分类成为了一项极具挑战性的任务。

技术实现思路

1、本发明的目的在于提供一种用于核电数据的处理方法，通过leaky relu激活函数对lstm进行改进,改变其模型结构来提升模型的训练效率以及学习能力。

2、为解决上述技术问题，本发明是通过以下技术方案实现的：

3、本发明为一种用于核电数据的处理方法，包括包括如下步骤：

4、于lstm的输入门、遗忘门和输出门中均使用了leaky relu激活函数使得反向传播时导数范围如下x>0时[1,1]，x≤0时[α,α]，其中α为预设值；

5、lstm的最终函数为：

6、其中，wf是输入门中的神经网络权重：

7、bf是输入门中的神经网络偏置

8、α(t-1)是来自上一个时间步隐藏层的输出

9、x(t)是本时间步输入。

10、优选地，还包括预先对lstm进行训练；

11、收集核电数据；

12、对数据进行时间序处理；

13、对lstm进行不同种类数据进行分别训练；

14、对模型进行分类，处理不同数据，输出结果。

15、优选地，所述核电数据包括压水堆数据、沸水堆数据、重水堆数据。

16、还包括lstm单元训练方法：

17、遗忘门：遗忘门接收当前输入x(t)和上一个时间步的隐藏状态α(t-1)，计算出需要遗忘的信息f(t)。这个过程中，引入leaky relu激活函数的lstm来计算f(t)；

18、输入门：在时间步t，输入门通过接收当前输入x(t)和上一个时间步的隐藏状态α(t-1)，计算出新的候选状态c(t)，这个过程中，输入门通过一个tanh激活函数来得到候选c(t),引入leaky relu激活函数的lstm来计算得到u(t)；

19、记忆单元状态：记忆单元状态c(t)通过一个tanh激活函数和一个点乘操作，与u(t)相乘，得到新的单元状态c'(t)，这个过程中，tanh函数将候选状态缩放到一个有界的区间内，点乘操作将需要遗忘的信息从候选状态中去除最终得到当前时间步的记忆细胞；

20、输出门：输出门接收当前输入的x(t)和上一个时间步的隐藏状态α(t-1)以及和新单元状态c'(t)，计算出新的隐藏状态a(t)，这个过程中，输出门通过一个tanh激活函数来对新单元状态c'(t)进行激活,再由一个leaky relu激活函数来计算o(t)最终进行点乘操作得到a(t)；

21、当前时间步的预测值:对a(t)进行softmax激活得到y(t)。

22、一种用于核电数据的处理装置，包括：

23、遗忘门模块：所述遗忘门模块用于接收当前输入x(t)和上一个时间步的隐藏状态α(t-1)，计算出需要遗忘的信息f(t)；

24、输入门模块：所述输入门通过接收当前输入x(t)和上一个时间步的隐藏状态α(t-1)，计算出新的候选状态c(t)；

25、输出门模块：所述输出门模块接收当前隐藏状态α(t-1)和新单元状态c'(t)，计算出新的隐藏状态h(t)；

26、记忆单元状态模块：所述记忆单元状态模块用于。

27、优选地，还包括核电数据模块，核电数据模块用于存储所收集到的不同时序的核电数据。

28、本发明具有以下有益效果：

29、本发明lstm模型进行训练时，使用leaky relu激活函数替代常见的sigmoid激活函数，对于核电数据的处理中，梯度消失得到缓解,模型更新参数时不再因为梯度不断缩小而无法更新,模型拟合速度和整体训练效率提升15％,利用神经网络训练的模型准确率提升8％。

30、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

技术特征：

1.一种用于核电数据的处理方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种用于核电数据的处理方法，其特征在于，还包括预先对lstm进行训练；

3.根据权利要求1所述的一种用于核电数据的处理方法，其特征在于，所述核电数据包括压水堆数据、沸水堆数据、重水堆数据。

4.根据权利要求1所述的一种用于核电数据的处理方法，其特征在于，还包括lstm单元训练方法：

5.一种用于核电数据的处理装置，其特征在于，包括：

6.根据权利要求5所述的一种用于核电数据的处理装置，其特征在于，还包括核电数据模块，核电数据模块用于存储所收集到的不同时序的核电数据。

技术总结本发明公开了一种用于核电数据的处理方法及其装置，涉及数据处理技术领域。本发明包括还包括预先对LSTM进行训练；收集核电数据；对数据进行时间序处理；对LSTM进行不同种类数据进行分别训练；对模型进行分类，处理不同数据，输出结果，其中，于LSTM的输入门、遗忘门和输出门中均使用了Leaky Relu激活函数使得反向传播时导数范围如下X>0时[1,1]，X≤0时[α,α]，其中α为预设值；LSTM的最终函数为：本发明通过引入Leaky Relu激活函数，梯度消失得到缓解,模型更新参数时不再因为梯度不断缩小而无法更新，提高模型的训练效率。技术研发人员：孙奇,陈长流,魏强,陈少林受保护的技术使用者：深圳市跳月数字科技有限公司技术研发日：技术公布日：2024/9/2