專利名稱：一種電力通信網(wǎng)風(fēng)險(xiǎn)評估方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電力通信技術(shù)領(lǐng)域，特別涉及一種電力通信網(wǎng)風(fēng)險(xiǎn)評估方法。
背景技術(shù)：
電力通信網(wǎng)關(guān)系到每家每戶，其安全保障至關(guān)重要。隨著電力通信網(wǎng)規(guī)模不斷增力口，拓?fù)浣Y(jié)構(gòu)日趨復(fù)雜，網(wǎng)絡(luò)運(yùn)行的不確定性也隨之增加。對電力通信網(wǎng)存在的風(fēng)險(xiǎn)進(jìn)行科學(xué)評估，將評估結(jié)果作為選擇電力通信網(wǎng)安全防范措施的依據(jù)，通過改進(jìn)管理措施，能夠有效地降低風(fēng)險(xiǎn)或避免風(fēng)險(xiǎn)，提高系統(tǒng)的安全性，對于保障電力通信網(wǎng)穩(wěn)定運(yùn)行具有重要的現(xiàn)實(shí)意義。本專利提出了一種電力通信網(wǎng)風(fēng)險(xiǎn)評估方法。風(fēng)險(xiǎn)評估主要是通過風(fēng)險(xiǎn)評估方法將各類指標(biāo)綜合反映到定量的值，以此來衡量風(fēng)險(xiǎn)的程度，按評估方法依賴的指標(biāo)數(shù)據(jù)類型可分為兩大類:基于專家經(jīng)驗(yàn)的評估法和基于統(tǒng)計(jì)數(shù)據(jù)的評估法。(I)基于專家經(jīng)驗(yàn)的風(fēng)險(xiǎn)評估法，包括層次分析法，模糊評價(jià)法等，其核心是將該領(lǐng)域?qū)＜业慕?jīng)驗(yàn)判斷予以量化，從而為決策者提供定量形式的決策依據(jù)；(2)基于統(tǒng)計(jì)數(shù)據(jù)的風(fēng)險(xiǎn)評估法，包括基于神經(jīng)網(wǎng)絡(luò)的評估法、基于支持向量機(jī)的評估法等，以客觀數(shù)據(jù)為依據(jù)，能夠很好的反映實(shí)際情況。但是，目前網(wǎng)絡(luò)風(fēng)險(xiǎn)評估主要集中在信息安全領(lǐng)域，缺乏針對電力通信網(wǎng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)評估方法。為了解現(xiàn)有評估方法的狀況，對已有的專利及文獻(xiàn)進(jìn)行了檢索、比較和分析，篩選出如下與本發(fā)明相關(guān)的文獻(xiàn)信息:用于評價(jià)安全風(fēng)險(xiǎn)的機(jī)制(專利號03801954.X)，是微軟公司提出的一項(xiàng)發(fā)明專利，所描述的是一種用于集體評價(jià)與裝入應(yīng)用程序有關(guān)的安全風(fēng)險(xiǎn)的機(jī)制，與裝入應(yīng)用程序有關(guān)的主機(jī)環(huán)境調(diào)用信任管理器來評價(jià)安全風(fēng)險(xiǎn)，主要應(yīng)用于評價(jià)計(jì)算機(jī)安裝應(yīng)用程序潛在的風(fēng)險(xiǎn)，沒有對電力通信網(wǎng)運(yùn)行環(huán)境中的潛在風(fēng)險(xiǎn)進(jìn)行評估。網(wǎng)絡(luò)安全風(fēng)險(xiǎn)檢測系統(tǒng)及方法(專利號200410022160.2)，該發(fā)明公開了一種網(wǎng)絡(luò)安全風(fēng)險(xiǎn)檢測系統(tǒng)及方法，通過模擬人體免疫系統(tǒng)中免疫細(xì)胞的功能，對大規(guī)模網(wǎng)絡(luò)活動進(jìn)行實(shí)時(shí)監(jiān)控，并且根據(jù)免疫細(xì)胞的抗體濃度對主機(jī)面臨某種攻擊的風(fēng)險(xiǎn)、主機(jī)面臨的整體風(fēng)險(xiǎn)、整個(gè)網(wǎng)絡(luò)面臨某種攻擊的風(fēng)險(xiǎn)以及整個(gè)網(wǎng)絡(luò)面臨的整體風(fēng)險(xiǎn)進(jìn)行評估。但該發(fā)明屬于信息安全領(lǐng)域，針對網(wǎng)絡(luò)攻擊導(dǎo)致的風(fēng)險(xiǎn)，沒有考慮電力通信網(wǎng)絡(luò)設(shè)備運(yùn)行狀態(tài)及環(huán)境中的風(fēng)險(xiǎn)因素。基于PCA-RBF神經(jīng)網(wǎng)絡(luò)的光纖保護(hù)通道風(fēng)險(xiǎn)評估(華北電力大學(xué)學(xué)報(bào)，2007，34[5]:90-94):將主成分分析法PCA與RBF神經(jīng)網(wǎng)絡(luò)結(jié)合，用PCA對指標(biāo)數(shù)進(jìn)行了約簡，去掉了多個(gè)指標(biāo)，大幅減少了 RBF輸入向量的維數(shù)，提高了方法的效率，但是，使得指標(biāo)體系的全面性有所下降，評估結(jié)果的精度也會受到影響。在評估方法方面，上述已有風(fēng)險(xiǎn)評估方法也存在一些問題，其中，基于專家經(jīng)驗(yàn)的風(fēng)險(xiǎn)評估法，需要人為給定每個(gè)指標(biāo)的權(quán)值，因而無法避免人為主觀因素干擾，評估結(jié)果可信度是它的瓶頸，由專家主觀賦權(quán)值使得評估結(jié)果具有主觀隨意性，這種缺點(diǎn)無法因?yàn)椴扇≈T如增加專家數(shù)量、仔細(xì)挑選專家等措施而得到根本的改善；而基于統(tǒng)計(jì)數(shù)據(jù)的風(fēng)險(xiǎn)評估法雖然基于指標(biāo)統(tǒng)計(jì)數(shù)據(jù)，保證了評估結(jié)果的客觀性，但因側(cè)重點(diǎn)不同，使得這種方法在突出客觀性優(yōu)點(diǎn)的同時(shí)無法避免奇異數(shù)據(jù)干擾評價(jià)結(jié)果的缺點(diǎn)，有時(shí)評估結(jié)果會與實(shí)際情況相違背；專利I和專利2主要針對的是計(jì)算機(jī)軟件和網(wǎng)絡(luò)攻擊方面的風(fēng)險(xiǎn)，均沒有考慮電力通信網(wǎng)絡(luò)設(shè)備故障、網(wǎng)絡(luò)運(yùn)行環(huán)境中的風(fēng)險(xiǎn)因素；文獻(xiàn)3中提出的方法雖然大幅減少了RBF輸入向量的維數(shù)，提高了方法的效率，但是指標(biāo)體系的全面性有所下降。此外，電力通信網(wǎng)中的風(fēng)險(xiǎn)因素是不斷變化的，當(dāng)風(fēng)險(xiǎn)因素出現(xiàn)變化時(shí)，上述方法需要對算法結(jié)構(gòu)進(jìn)行較大調(diào)整來適應(yīng)這些變化。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問題本發(fā)明要解決的技術(shù)問題是:如何提供一種電力通信網(wǎng)風(fēng)險(xiǎn)評估方法，能夠客觀地對電力通信網(wǎng)進(jìn)行評價(jià)，避免奇異數(shù)據(jù)干擾，進(jìn)而指導(dǎo)對電力通信網(wǎng)的控制。(二)技術(shù)方案為解決上述技術(shù)問題，本發(fā)明提供了一種電力通信網(wǎng)風(fēng)險(xiǎn)評估方法，其特征是，該方法包括以下步驟:S1:采集電力通信網(wǎng)風(fēng)險(xiǎn)評估參數(shù)；S2:通過所述風(fēng)險(xiǎn)評估參數(shù)構(gòu)建指標(biāo)數(shù)據(jù)庫和樣本數(shù)據(jù)庫；S3:根據(jù)所述樣本數(shù)據(jù)庫中的樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，調(diào)用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)計(jì)算所述指標(biāo)數(shù)據(jù)庫中的指標(biāo)數(shù)據(jù)對應(yīng)的電力通信網(wǎng)的風(fēng)險(xiǎn)值。所述步驟S3具體為:查看所述指標(biāo)數(shù)據(jù)庫中的指標(biāo)數(shù)據(jù)是否發(fā)生變化，若所述指標(biāo)數(shù)據(jù)發(fā)生變化，則通過所述樣本數(shù)據(jù)庫中的樣本數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到神經(jīng)網(wǎng)絡(luò)的輸出值滿足設(shè)定精度要求為止，調(diào)用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)處理所述指標(biāo)數(shù)據(jù)，得到對應(yīng)所述指標(biāo)數(shù)據(jù)的電力通信網(wǎng)的風(fēng)險(xiǎn)值；否則，調(diào)用所述指標(biāo)數(shù)據(jù)變化前已訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)處理所述指標(biāo)數(shù)據(jù)，得到對應(yīng)所述指標(biāo)數(shù)據(jù)的電力通信網(wǎng)的風(fēng)險(xiǎn)值。所述對變化了的指標(biāo)對應(yīng)的樣本數(shù)據(jù)進(jìn)行訓(xùn)練具體為:S31:提取指標(biāo)數(shù)據(jù)對應(yīng)的樣本數(shù)據(jù)；S32:將所述樣本數(shù)據(jù)通過指定方法進(jìn)行訓(xùn)練，若訓(xùn)練結(jié)果滿足設(shè)定的精度要求，則退出；否則進(jìn)入步驟S33 ；S33:通過網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)和網(wǎng)絡(luò)參數(shù)學(xué)習(xí)對所述指定方法進(jìn)行改進(jìn)，返回步驟S32。將所述樣本數(shù)據(jù)輸入指定方法進(jìn)行訓(xùn)練具體為:S321:將所述樣本數(shù)據(jù)輸入所述指定方法的輸入層；S322:將所述樣本數(shù)據(jù)之間的差異映射為隱含層節(jié)點(diǎn)的適應(yīng)度差異；S323:在歸一化層對所述適應(yīng)度差異進(jìn)行歸一化處理；S324:對所述歸一化處理的結(jié)果進(jìn)行加權(quán)求和，將所述加權(quán)求和的結(jié)果作為所述樣本數(shù)據(jù)的訓(xùn)練結(jié)果。所述網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)具體為:對指定方法的隱含層的節(jié)點(diǎn)進(jìn)行增加、合并或刪除。所述網(wǎng)絡(luò)參數(shù)學(xué)習(xí)具體為:對指定方法的隱含層的節(jié)點(diǎn)的中心、隱含層的節(jié)點(diǎn)的寬度，以及歸一化層與輸出層之間的連接權(quán)值進(jìn)行調(diào)整。所述指定方法為自適應(yīng)模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)法。(三)有益效果利用本發(fā)明提供的風(fēng)險(xiǎn)評估流程與風(fēng)險(xiǎn)評估方法評估通信網(wǎng)的風(fēng)險(xiǎn)，具有以下優(yōu)
占-
^ \\\.
1.通過神經(jīng)網(wǎng)絡(luò)算法對指標(biāo)數(shù)據(jù)進(jìn)行訓(xùn)練，可以避免人為給定指標(biāo)權(quán)重時(shí)引入的主觀因素；2.通過神經(jīng)網(wǎng)絡(luò)算法對指標(biāo)數(shù)據(jù)進(jìn)行訓(xùn)練，可以通過對給定樣本模式的學(xué)習(xí)，獲取評價(jià)專家的經(jīng)驗(yàn)、知識、主觀判斷及目標(biāo)重要性的傾向；3.引入自適應(yīng)學(xué)習(xí)機(jī)制，通過網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)和網(wǎng)絡(luò)參數(shù)學(xué)習(xí)避免了奇異數(shù)據(jù)的干擾，減少了隱含層節(jié)點(diǎn)的冗余數(shù)量，降低了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)時(shí)間，提升了網(wǎng)絡(luò)學(xué)習(xí)速度；4.在電力通信網(wǎng)風(fēng)險(xiǎn)評估中引入神經(jīng)網(wǎng)絡(luò)算法，可以在出現(xiàn)新的風(fēng)險(xiǎn)因素時(shí)自動調(diào)整相應(yīng)指標(biāo)權(quán)重，具有良好的自適應(yīng)性和很聞的準(zhǔn)確性。


圖1是本發(fā)明的流程圖；圖2是自適應(yīng)型FRBF網(wǎng)絡(luò)結(jié)構(gòu)；圖3是通信網(wǎng)風(fēng)險(xiǎn)評估流程圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例，對本發(fā)明的具體實(shí)施方式
作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。本發(fā)明提出了一種自適應(yīng)型電力通信網(wǎng)風(fēng)險(xiǎn)評估方法。圖1是本發(fā)明的流程圖。圖2所不為自適應(yīng)型FRBF (Fuzzy Radial BasisFunction)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu),包括輸入層、隱含層、歸一化層和輸出層4層。其中，輸入層中的每個(gè)節(jié)點(diǎn)代表一個(gè)輸入變量xi，這里的Xi是指標(biāo)數(shù)據(jù)，X= (X1, X2,…，Xn)T e Rn為直接傳遞給下一層的輸入向量，輸入層變量經(jīng)過隱含層、歸一化層的處理后最終會得到一個(gè)輸出的風(fēng)險(xiǎn)評估值。下面對本方法做詳細(xì)闡述:自適應(yīng)型電力通信網(wǎng)風(fēng)險(xiǎn)評估流程如圖3所示，在本方法中，需要設(shè)置訓(xùn)練樣本庫和指標(biāo)數(shù)據(jù)庫，并從中讀取相應(yīng)數(shù)據(jù)，其中，訓(xùn)練樣本庫中存儲的是用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，包括:指標(biāo)數(shù)據(jù)和風(fēng)險(xiǎn)值數(shù)據(jù)(源于歷史數(shù)據(jù))；指標(biāo)數(shù)據(jù)庫中存儲的是風(fēng)險(xiǎn)指標(biāo)體系中各類指標(biāo)(源于歷史數(shù)據(jù))。當(dāng)指標(biāo)庫中的指標(biāo)數(shù)據(jù)發(fā)生變化時(shí)，相應(yīng)的訓(xùn)練樣本庫中也應(yīng)當(dāng)有相應(yīng)的變化，這兩個(gè)數(shù)據(jù)庫的變化由運(yùn)維人員來維護(hù)。本發(fā)明的具體步驟為:S1:采集電力通信網(wǎng)風(fēng)險(xiǎn)評估參數(shù)；S2:通過所述風(fēng)險(xiǎn)評估參數(shù)構(gòu)建指標(biāo)數(shù)據(jù)庫和樣本數(shù)據(jù)庫；S3:根據(jù)所述樣本數(shù)據(jù)庫中的樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，調(diào)用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)計(jì)算所述指標(biāo)數(shù)據(jù)庫中的指標(biāo)數(shù)據(jù)對應(yīng)的電力通信網(wǎng)的風(fēng)險(xiǎn)值。查看所述指標(biāo)數(shù)據(jù)庫中的指標(biāo)數(shù)據(jù)是否發(fā)生變化，若所述指標(biāo)數(shù)據(jù)發(fā)生變化，則通過所述樣本數(shù)據(jù)庫中的樣本數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到神經(jīng)網(wǎng)絡(luò)的輸出值滿足設(shè)定精度要求為止，調(diào)用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)處理所述指標(biāo)數(shù)據(jù)，得到對應(yīng)所述指標(biāo)數(shù)據(jù)的電力通信網(wǎng)的風(fēng)險(xiǎn)值；否則，調(diào)用所述指標(biāo)數(shù)據(jù)變化前已訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)處理所述指標(biāo)數(shù)據(jù)，得到對應(yīng)所述指標(biāo)數(shù)據(jù)的電力通信網(wǎng)的風(fēng)險(xiǎn)值。S31:提取指標(biāo)數(shù)據(jù)對應(yīng)的樣本數(shù)據(jù)；S32:將所述樣本數(shù)據(jù)通過自適應(yīng)模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，若訓(xùn)練結(jié)果滿足設(shè)定的精度要求，則退出；否則進(jìn)入步驟S33 ；S321:將所述樣本數(shù)據(jù)輸入所述指定方法的輸入層；S322:將所述樣本數(shù)據(jù)之間的差異映射為隱含層節(jié)點(diǎn)的適應(yīng)度差異；S323:在歸一化層對所述適應(yīng)度差異進(jìn)行歸一化處理；S324:對所述歸一化處理的結(jié)果進(jìn)行加權(quán)求和，將所述加權(quán)求和的結(jié)果作為所述樣本數(shù)據(jù)的訓(xùn)練結(jié)果。S33:通過網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)和網(wǎng)絡(luò)參數(shù)學(xué)習(xí)對所述自適應(yīng)模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，返回步驟S32。網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)具體為:對自適應(yīng)模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的隱含層的節(jié)點(diǎn)進(jìn)行增加、合并或刪除。網(wǎng)絡(luò)參數(shù)學(xué)習(xí)具體為:對自適應(yīng)模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的隱含層的節(jié)點(diǎn)的中心、隱含層的節(jié)點(diǎn)的寬度，以及歸一化層與輸出層之間的連接權(quán)值進(jìn)行調(diào)整。本發(fā)明的一個(gè)實(shí)施例使用該流程評估電力通信網(wǎng)風(fēng)險(xiǎn)值的步驟如下:步驟1.開始分析，檢索指標(biāo)數(shù)據(jù)庫中指標(biāo)列表，進(jìn)入步驟2 ；步驟2.判斷指標(biāo)是否發(fā)生變更，若已變更則進(jìn)入步驟3，否則，進(jìn)入步驟10 ；步驟3.從訓(xùn)練樣本庫中提取對應(yīng)指標(biāo)數(shù)據(jù)的樣本數(shù)據(jù)，將樣本數(shù)據(jù)作為自適應(yīng)型FRBF輸入層的輸入數(shù)據(jù)，進(jìn)入步驟4 ;步驟4.分別計(jì)算每個(gè)指標(biāo)數(shù)據(jù)與隱含層節(jié)點(diǎn)之間的適應(yīng)度，將指標(biāo)數(shù)據(jù)之間的差異映射為隱含層節(jié)點(diǎn)的適應(yīng)度差異，映射公式見(1)，進(jìn)入步驟5;
權(quán)利要求
1.種電力通信網(wǎng)風(fēng)險(xiǎn)評估方法，其特征是，該方法包括以下步驟: S1:采集電力通信網(wǎng)風(fēng)險(xiǎn)評估參數(shù)； 52:通過所述風(fēng)險(xiǎn)評估參數(shù)構(gòu)建指標(biāo)數(shù)據(jù)庫和樣本數(shù)據(jù)庫； 53:根據(jù)所述樣本數(shù)據(jù)庫中的樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，調(diào)用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)計(jì)算所述指標(biāo)數(shù)據(jù)庫中的指標(biāo)數(shù)據(jù)對應(yīng)的電力通信網(wǎng)的風(fēng)險(xiǎn)值。
2.據(jù)權(quán)利要求1所述的方法，其特征是，所述步驟S3具體為: 查看所述指標(biāo)數(shù)據(jù)庫中的指標(biāo)數(shù)據(jù)是否發(fā)生變化，若所述指標(biāo)數(shù)據(jù)發(fā)生變化，則通過所述樣本數(shù)據(jù)庫中的樣本數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到神經(jīng)網(wǎng)絡(luò)的輸出值滿足設(shè)定精度要求為止，調(diào)用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)處理所述指標(biāo)數(shù)據(jù)，得到對應(yīng)所述指標(biāo)數(shù)據(jù)的電力通信網(wǎng)的風(fēng)險(xiǎn)值；否則，調(diào)用所述指標(biāo)數(shù)據(jù)變化前已訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)處理所述指標(biāo)數(shù)據(jù)，得到對應(yīng)所述指標(biāo)數(shù)據(jù)的電力通信網(wǎng)的風(fēng)險(xiǎn)值。
3.據(jù)權(quán)利要求2所述的方法，其特征是，所述對變化了的指標(biāo)對應(yīng)的樣本數(shù)據(jù)進(jìn)行訓(xùn)練具體為: 531:提取指標(biāo)數(shù)據(jù)對應(yīng)的樣本數(shù)據(jù)； 532:將所述樣本數(shù)據(jù)通過指定方法進(jìn)行訓(xùn)練，若訓(xùn)練結(jié)果滿足設(shè)定的精度要求，則退出；否則進(jìn)入步驟S33 ； 533:通過網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)和網(wǎng)絡(luò)參數(shù)學(xué)習(xí)對所述指定方法進(jìn)行改進(jìn)，返回步驟S32。
4.據(jù)權(quán)利要求3所述的方法，其特征是，將所述樣本數(shù)據(jù)輸入指定方法進(jìn)行訓(xùn)練具體為: 5321:將所述樣本數(shù)據(jù)輸入所述指定方法的輸入層； 5322:將所述樣本數(shù)據(jù)之間的差異映射為隱含層節(jié)點(diǎn)的適應(yīng)度差異； 5323:在歸一化層對所述適應(yīng)度差異進(jìn)行歸一化處理； S324:對所述歸一化處理的結(jié)果進(jìn)行加權(quán)求和，將所述加權(quán)求和的結(jié)果作為所述樣本數(shù)據(jù)的訓(xùn)練結(jié)果。
5.據(jù)權(quán)利要求3所述的方法，其特征是，所述網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)具體為:對指定方法的隱含層的節(jié)點(diǎn)進(jìn)行增加、合并或刪除。
6.據(jù)權(quán)利要求3所述的方法，其特征是，所述網(wǎng)絡(luò)參數(shù)學(xué)習(xí)具體為:對指定方法的隱含層的節(jié)點(diǎn)的中心、隱含層的節(jié)點(diǎn)的寬度，以及歸一化層與輸出層之間的連接權(quán)值進(jìn)行調(diào)難iF.0
7.據(jù)權(quán)利要求3所述的方法，其特征是，所述指定方法為自適應(yīng)模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)法。
全文摘要
本發(fā)明公開了電力通信技術(shù)領(lǐng)域中的一種電力通信網(wǎng)風(fēng)險(xiǎn)評估方法。本發(fā)明首先采集電力通信網(wǎng)風(fēng)險(xiǎn)評估參數(shù)；然后通過風(fēng)險(xiǎn)評估參數(shù)構(gòu)建指標(biāo)數(shù)據(jù)庫和樣本數(shù)據(jù)庫；最后根據(jù)所述樣本數(shù)據(jù)庫中的樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，調(diào)用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)計(jì)算所述指標(biāo)數(shù)據(jù)庫中的指標(biāo)數(shù)據(jù)對應(yīng)的電力通信網(wǎng)的風(fēng)險(xiǎn)值。本發(fā)明通過神經(jīng)網(wǎng)絡(luò)算法對指標(biāo)數(shù)據(jù)進(jìn)行訓(xùn)練，避免了人為給定指標(biāo)權(quán)重時(shí)引入的主觀因素；通過網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)和網(wǎng)絡(luò)參數(shù)學(xué)習(xí)避免了奇異數(shù)據(jù)的干擾，減少了隱含層節(jié)點(diǎn)的冗余數(shù)量，降低了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)時(shí)間，提升了網(wǎng)絡(luò)學(xué)習(xí)速度；在出現(xiàn)新的風(fēng)險(xiǎn)因素時(shí)自動調(diào)整相應(yīng)指標(biāo)權(quán)重，具有良好的自適應(yīng)性和很高的準(zhǔn)確性。
文檔編號H04L12/24GK103095494SQ20121059376
公開日2013年5月8日 申請日期2012年12月31日 優(yōu)先權(quán)日2012年12月31日
發(fā)明者亓峰, 熊翱, 曾慶濤, 王智立, 邱雪松, 孟洛明, 李文璟 申請人:北京郵電大學(xué)