考虑不确定性推理的有机气体泄漏扩散实时智能预警方法技术

本发明专利技术公开一种考虑不确定性推理的有机气体泄漏扩散实时智能预警方法，基于FLACS建立油气扩散数值模型，开展典型场景下的扩散模拟；将气体浓度作为数据集，结合Conv

【技术实现步骤摘要】
考虑不确定性推理的有机气体泄漏扩散实时智能预警方法


[0001]本专利技术属于油气泄漏事故防控技术，具体地说是考虑不确定性推理的有机气体泄漏扩散实时智能预警方法。

技术介绍

[0002]石油化工产业是我国国民经济的支柱产业。无论是海洋还是陆地石化领域，石化装置在化石资源生产、转化及使用等各个环节均扮演重要角色。然而，石化装置储存大量易燃易爆、有毒危险化学品，面临潜在危化品泄漏风险。危化品泄漏具有危害性高、突发性强、连锁性及应急处理难度大等特点。倘若没有油气泄漏扩散应急响应及决策机制，较易发生泄漏可燃气云被点燃发生燃爆事故，并且燃爆压力能够在拥塞的障碍下升级，最终导致设备的严重受损及人员的严重伤亡。
[0003]在给定场景相关变量(如释放率、风速、时间等)的情况下，对油气扩散进行建模是支持实时应急响应计划和决策过程的关键。理想情况下，全面的实验测试是最可靠的方法，然而，由于其高成本和高风险，这一方法很难实现。计算流体力学(CFD)已被广泛应用于精确模拟各种气体在不同空间范围内的扩散行为。然而，基于CFD的建模方法计算量很大，时间成本较高，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑不确定性推理的有机气体泄漏扩散实时智能预警方法，其特征在于，所述预警方法包括以下步骤：步骤1、基于FLACS，建立油气扩散数值模型，根据所建立的油气扩散数值模型结合研究对象的油气处理系统所在区域的通风情况，开展通风数值模拟；步骤2、以通风数值模拟结果为基础，开展典型扩散场景I下的扩散模拟，获取典型扩散场景I下不同时刻气体浓度数据集X：式中，n1是扩散场景的数量，n2是与扩散场景相关变量的数量，n3和n4表示在任何特定时间t内由研究域长度x、宽度y和高度h三个维度中的任意两个维度组成的方向矩阵的维数；步骤3、将具有高维时空特征的气体浓度数据集X通过Conv
‑
VAE无监督模型耦合算法降维至具有连续分布特征的低维度潜在空间变量z，构建具有不确定性分布特征的气体浓度概率分布P(X)，计算表示如下：P(X)＝∫P(X|z)P(z)dz，z～P(z|X)
ꢀꢀꢀꢀꢀꢀ
(2)式中，P(z)为潜在空间变量z的分布，其中z的分布服从卷积概率编码器P(z|X)；通过Conv
‑
VAE无监督模型耦合算法构建卷积概率编码器P
θ
(z|X)，θ为P
θ
(z|X)对应潜在空间变量z的分布参数、每个θ对应一个具有特定分布的z，通过输入步骤2中公式(1)的气体浓度数据集X，计算n1个扩散场景下具有连续分布特征的N
Z
维潜在空间变量z，计算表示如下：构建卷积概率解码器P
θ
(X|z)，低维的潜在空间变量z通过解码器P
θ
(X|z)升维生成具有与对应气体浓度X具有相同时空分布特征的气体浓度数据X
′
，计算表示如下：式中，N
Z
代表潜在空间的维数、表征潜在空间大小，是变分参数；代表潜在空间变量z的第N
Z
维度，为气体浓度数据集X经过具有变分参数的编码器Encoder后转换为具有N
Z
维的潜在空间变量z，为将潜在空间变量经过Decoder再转换为气体浓度数据集X
′
；步骤4：构建输入典型扩散场景I和潜在空间变量z之间的概率密度P(z|I)的映射关系，将(I，z)作为训练数据集及标签，假定权重w遵循密度分布P(w|z，I)，通过VBnn开展有监督学习确定权重w，将权重w作为最优化变分参数χ，建立典型扩散场景I和潜在空间变量z之间的概率密度映射关系P(z|I)；步骤5：将VBnn有监督的学习模型与Conv
‑
VAE无监督模型耦合算法模型的解码器部分相结合，建立考虑不确定性推理的有机气体泄漏扩散实时在线智能预警模型，在线智能预警模型通过给定与扩散场景I有关的参数，以实现对扩散浓度X的概率时序预测P(X|I)；根据步骤3中构建的卷积概率解码器P(X|z)以及步骤4中构建的映射关系P(z|I)，构建
考虑不确定性推理的有机气体泄漏扩散实时在线智能预警模型P(X|I)：P(X|I)＝∫P(X|z)P(z|I)dz,z～P(z|I)and I＝f
‑1(X)式中，z为潜在空间变量。2.根据权利要求1所述的考虑不确定性推理的有机气体泄漏扩散实时智能预警方法，其特征在于，所述的步骤3中卷积概率解码器P
θ
(X|z)构建过程使用适用于深度学习的变分贝叶斯推理，具体详细过程如下：第一步：引入变分分布逼近代替卷积概率编码器P
θ
(z|X)，通过求解变分分布与卷积概率编码器P
θ
(z|X)两者之间的KL散度的最小值使得能够逼近代替P
θ
(z|X)，KL散度表示如下：式中，P(X)为气体浓度数据集X对应的概率分布，为证据下界，为和P
θ
(z|X)之间的KL散度，θ是权重、偏差，其中的潜在空间变量z可参数化为z＝μ+σ*ε(ε～N(0,1))，代表潜在空间变量z的特征值，即均值、偏差；不确定性分布特征的气体浓度概率分布P(X)为气体浓度数据集X对应的概率分布，logP(X)对于每个确定气体浓度是固定的，因此求解KL散度最小值可变为求解证据下界最大值；第二步：对...

【专利技术属性】
技术研发人员：师吉浩，陈国明，朱渊，谢伟康，李俊杰，王晴，常博，李传坤，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：