基于集成学习时间序列预测的隧道事件检测方法技术

本发明专利技术公开了一种基于集成学习时间序列预测的隧道事件检测方法，主要解决同类方法不能对传感器值精确预测达到有效控制隧道通风的问题。其检测步骤为：对采集的公路隧道数据进行预处理，形成训练数据集；根据训练数据集训练出多个基预测器，由基预测器加权组合形成强预测器；根据当前ｔ时刻隧道传感器的值，利用强预测器计算ｔ＋１时刻隧道烟雾浓度预测值，并根据预测误差动态调整参与集成的基预测器；将ｔ＋１时刻的隧道烟雾浓度预测值与烟雾浓度阈值比较，判断烟雾浓度是否为超标事件；对于超标事件，计算通风控制器的控制参数，降低烟雾浓度。本发明专利技术具有预测功能强、控制通风控制器精度高的优点，用于高速公路隧道的运营监控及节能减排方面。

【技术实现步骤摘要】

本专利技术属于检测
，特别是一种涉及公路事件的检测方法， 可以用于对隧道事件的判定及实现带有预测功能的通风控制。
技术介绍
在隧道事件检测及变频通风控制系统中， 一氧化碳浓度和烟雾浓度 检测值是变频通风控制的主要依据， 一氧化碳浓度和烟雾浓度的检测是 一个大时滞系统，且易受不确定因素的影响。为了保证隧道通风控制系 统的及时有效性，应快速分析隧道事件与通风控制的关系。而在通风控 制量化的研究中， 一氧化碳浓度、烟雾浓度与隧道事件间的关联关系是 研究的前提。根据隧道传感器检测值预测隧道交通事件发生的概率，准 确实施对隧道变频通风的控制，避免隧道交通事件的发生，可以达到隧 道运营节能的目的。所谓交通事件，是指导致道路通行能力下降的意外事件。所谓事件 检测，是指通过检测方法检测到频繁出现、有一定规律可循且涉及的相 关数据可以由隧道监控系统采集的隧道事件。公路隧道事件可分为货物 洒落、车辆故障、交通挤塞、烟雾和一氧化碳浓度超标、风速和光照异 常等类型。如果这些交通事件没有得到及时处理，很可能引起交通事故， 如撞车、火灾等。目前，国内外对于隧道通风节能研究大多数是采用最大浓度法，即 只本文档来自技高网...

【技术保护点】
一种基于集成学习时间序列预测的隧道事件检测方法，包括如下过程：　（１）对收集的高速公路隧道烟雾浓度、一氧化碳浓度、车流量和风速的传感器周期性检测数据进行数据修补预处理，形成隧道传感器训练数据集；　（２）利用集成学习方法根据隧道传 感器训练数据集训练出Ｌ个基预测器（１≤Ｌ≤２０），由基预测器加权组合形成强预测器；　（３）根据当前ｔ时刻高速公路隧道传感器的检测值，利用强预测器计算ｔ＋１时刻隧道的烟雾浓度预测值，并根据预测误差动态调整参与集成的基预测器，形成新的强预 测器；　（４）将ｔ＋１时刻的隧道烟雾浓度预测值与烟雾浓度阈值比较，当该预测值大于阈值，则判为烟雾浓度超...

【技术特征摘要】

【专利技术属性】
技术研发人员：方敏，张晓松，王俊平，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]