【技术实现步骤摘要】
一种管道漏损预警方法及系统
[0001]本专利技术涉及管道监控
,尤其涉及一种管道漏损预警方法及系统
。
技术介绍
[0002]管道运输作为与铁路
、
公路
、
航空
、
水运并驾齐驱的五大运输业之一,在我国国民经济和国防工业发展中发挥着越来越重要的作用
。
而且由于站间距较长
、
巡线密度等方面原因
,
往往难以及时发现并找到泄漏事故地点,致损失扩大并增加了酿成危险事故的隐患
。
[0003]现有技术中大多采用传感器对管道状况进行监测,从而通过对实时监测获得的传感数据对管道对应的异常状况进行判断,但是在对获取管道的传感数据时可能存在信号获取困难
、
噪声较多等问题,从而导致管道漏损对应的预测预警能力受到限制,获得的异常判断结果无法满足实际需求,使得现有技术中对管道漏损预警的效果差强人意
。
技术实现思路
[0004]本专利技术实施例的主要目的在于提供一种管道漏损预警方法及系统,旨在解决现有技术中获取管道的传感数据可能存在信号获取困难
、
噪声较多等问题,导致管道漏损对应的预测预警能力受到限制,获得的异常判断结果无法满足实际需求的问题
。
[0005]第一方面,本专利技术实施例提供一种管道漏损预警方法,包括:获取通过传感器对所述管道进行实时监控获得的第一监测数据;构建所述管道对应的三维模型;获得利用所述三维模型对所述管道进 ...
【技术保护点】
【技术特征摘要】
1.
一种管道漏损预警方法,其特征在于,所述方法包括:获取通过传感器对所述管道进行实时监控获得的第一监测数据;构建所述管道对应的三维模型;获得利用所述三维模型对所述管道进行虚拟监控获得的第二监测数据;对所述第二监测数据进行可信度分析确定所述第二监测数据对应的分析结果;当所述分析结果满足预设条件时,则将所述第一监测数据和所述第二监测数据进行关联融合,获得所述管道对应的融合监测数据;利用管道漏损预警模型对所述融合监测数据进行异常预测,获得所述融合监测数据对应的目标异常类型;根据所述目标异常类型确定所述管道对应的目标处理策略;所述管道漏损预警模型包括多个目标神经元;所述利用管道漏损预警模型对所述融合监测数据进行异常预测,获得所述融合监测数据对应的目标异常类型,包括:获取训练数据以及所述训练数据对应的所述管道漏损预警模型;计算所述管道漏损预警模型中所述目标神经元与所述融合监测数据对应的最小距离信息;计算所述管道漏损预警模型中所述目标神经元与所述训练数据对应的最大距离信息;根据所述最小距离信息和所述最大距离信息确定所述融合监测数据对应的距离阈值;根据所述距离阈值确定所述融合监测数据对应的目标异常类型
。2.
根据权利要求1所述的方法,其特征在于,所述构建所述管道对应的三维模型,包括:获取对所述管道进行监控得到的历史监测数据;根据所述历史监测数据确定所述管道对应的状态约束;根据所述状态约束确定所述管道对应的三维模型
。3.
根据权利要求1所述的方法,其特征在于,所述对所述第二监测数据进行可信度分析确定所述第二监测数据对应的分析结果,包括:将所述第一监测数据和所述第二监测数据进行相似度计算,获得相似度结果;根据所述相似度结果确定所述第二监测数据对应的分析结果
。4.
根据权利要求1所述的方法,其特征在于,所述将所述第一监测数据和所述第二监测数据进行关联融合,获得所述管道对应的融合监测数据,包括:计算所述第一监测数据和所述第二监测数据之间的误差值;根据所述误差值确定所述第一监测数据和所述第二监测数据之间对应的误差矩阵;确定误差阈值,根据所述误差阈值和所述误差矩阵确定所述第一监测数据和所述第二监测数据之间对应的关系矩阵;根据所述关系矩阵确定所述第一监测数据和所述第二监测数据之间对应的融合参数;根据所述融合参数确定所述管道对应的融合监测数据
。5.
根据权利要求1所述的方法,其特征在于,所述管道漏损预测模型包括神经网络层
、softmax
层;所述利用管道漏损预警模型对所述融合监测数据进行异常预测,获得所述融合监测数据对应的目标异常类型,包括:根据下式计算融合监测数据对应的异常概率;
;;
x
表示融合监测数据;其中,
p
表示融合监测数据对应的异常概率;
W1
和
b1
表示神经网络层的参数,用于将融合监测数据映射为特征向量
h
;
f
表示神经网络层的激活函数;它对输入进行非线性变换;
W2
和
b2
表示
softmax
层的参数,用于将特征向量
h
映射为异常概率
...
【专利技术属性】
技术研发人员:杨文明,曾文权,赵自力,蔡毅,游东东,
申请(专利权)人:广东力创信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。