一种基于分布式光纤声波传感的监测预警方法以及相关装置制造方法及图纸

本申请适用于数据处理技术领域，提供了一种基于分布式光纤声波传感的监测预警方法以及相关装置，该方法包括：获取油气管道中的声波传输数据；通过多源数据特征分析模型，从声波传输数据中进行邻域构建以及相关性提取，以得到各个油气管道分段对应的声学传输场景特征；通过动态自适应定位模型，对声学传输场景特征进行预测，以得到油气管道中各个油气管道分段对应的检测事件预测值；对于检测事件预测值符合预警条件的目标油气管道分段，根据目标油气管道分段所处的地理位置，在动态预警监测分布图中展示目标油气管道分段对应的动态预警信息

【技术实现步骤摘要】
一种基于分布式光纤声波传感的监测预警方法以及相关装置


[0001]本申请属于数据处理领域，尤其涉及一种基于分布式光纤声波传感的监测预警方法以及相关装置
。

技术介绍

[0002]油气管道，是一种用于输送石油
、
天然气等能源产品的管道系统
。
它通常由高强度的钢制管道
、
连接器
、
阀门和泵站等组成，并通过运用不同的技术和设备，以保证能源的可靠输送和供应
。
油气管道可分为长输管道和短输管道两种类型，长输管道通常跨越国家或地区边界，由少数大型管道构成；短输管道则分布在城市或工业区域，它们通常较小
、
服务于当地的经济发展和能源消费需求
。
[0003]目前，油气管道的地理位置分布广泛，覆盖范围较大，巡检难度大
。
以城市为例，油气管道的布设较为复杂，通常会涉及到建筑物
、
地下管道
、
公共设施等复杂的地下环境，传统的人工巡检难以覆盖各个区域的油气管道，导致监测数据难以保证准确，存在一定的安全隐患
。
综上，亟待提出一种技术方案，用以克服上述技术问题
。

技术实现思路

[0004]本申请实施例提供了一种基于分布式光纤声波传感的监测预警方法以及相关装置，可以解决传统的人工巡检难以覆盖各个区域的油气管道，导致监测数据难以保证准确，存在一定的安全隐患的问题
。
[0005]第一方面，本申请实施例提供了一种一种基于分布式光纤声波传感的监测预警方法，包括：获取油气管道中的声波传输数据；其中，所述声波传输数据包括不同环境下的多源声波传输数据；处于不同环境下的每一分布式光纤传感器采集到的数据作为一个数据源；通过多源数据特征分析模型，从所述声波传输数据中进行邻域构建以及相关性提取，以得到各个油气管道分段对应的声学传输场景特征；通过动态自适应定位模型，对所述声学传输场景特征进行预测，以得到所述油气管道中各个油气管道分段对应的检测事件预测值；其中，检测事件预测值越高，目标油气管道分段中发生监测事件的概率越高；对于检测事件预测值符合预警条件的目标油气管道分段，根据所述目标油气管道分段所处的地理位置，在动态预警监测分布图中展示所述目标油气管道分段对应的动态预警信息；其中，所述动态预警信息的展示形式随所述目标油气管道分段的检测事件预测值的变化而变化
。
[0006]在第一方面的一种可能的实现方式中，获取油气管道中的声波传输数据，包括：获取处于不同环境下的每一分布式光纤传感器采集到的光纤震动数据；对于不同环境下的每一分布式光纤传感器，对所述光纤震动数据进行预处理；
从预处理后的光纤震动数据中提取多尺度声波传输特征，以得到每一数据源对应的声波时滞关系特征
、
声波自适应滤波特征
、
声学率普遍性特征；对每一数据源对应的声波时滞关系特征
、
声波自适应滤波特征
、
声学率普遍性特征进行特征融合处理，以得到每一数据源对应的声波传输融合特征数据
。
[0007]在第一方面的一种可能的实现方式中，所述多源数据特征分析模型包括细粒度分析层
、
邻域构建层
、
相关性分析层
、
降维处理层
、
特征融合层；所述通过多源数据特征分析模型，从所述声波传输数据中进行邻域构建以及相关性提取，以得到各个油气管道分段对应的声学传输场景特征，包括：通过所述细粒度分析层，对所述声波传输数据进行多源数据细粒度分析，以得到细粒度声波传输特征；所述细粒度声波传输特征分布在不同频域子带中；通过所述邻域构建层，对不同频域子带中的细粒度声波传输特征进行邻域构建处理，以得到声波传输邻域特征；所述声波传输邻域特征用于表示各个油气管道分段所处的不同位置与不同邻域下声学传输变换因素之间的互动性关系；通过所述相关性分析层，获取所述声波传输邻域特征中各个特征点与周围邻域特征点之间的相关性度量信息；所述相关性度量信息用于表示各个油气管道分段对应的声学传输变换因素之间的关联关系；通过所述降维处理层，基于所述相关性度量信息对所述声波传输邻域特征进行降维，以得到声波传输降维特征；通过所述特征融合层，对所述声波传输降维特征进行特征融合，以得到所述声学传输场景特征
。
[0008]在第一方面的一种可能的实现方式中，所述动态自适应定位模型包括自适应强化学习层
、
动态自适应值学习层
、
经验回放层；所述通过动态自适应定位模型，对所述声学传输场景特征进行预测，以得到所述油气管道中各个油气管道分段对应的检测事件预测值，包括：通过所述自适应强化学习层，对所述声学传输场景特征进行多尺度抽象特征提取，并基于提取出的多尺度抽象特征进行检测事件预测处理，以得到各个油气管道分段对应的检测事件初始预测值；通过所述动态自适应值学习层，对所述初始预测值以及所述经验回放层中存储的历史自适应值进行计算，以得到各个油气管道分段对应的检测事件目标预测值
。
[0009]在第一方面的一种可能的实现方式中，所述对所述初始预测值以及所述经验回放层中存储的历史自适应值进行计算，以得到各个油气管道分段对应的检测事件目标预测值之后，还包括：将所述检测事件目标预测值循环存放到所述经验回放层中；采用预先设置的动态自适应值更新规则，基于所述检测事件目标预测值更新所述经验回放层中存储的历史自适应值；其中，所述动态自适应值更新规则中，通过以下公式获取所需更新的历史自适应值，即：；其中，是在历史检测事件目标预测值下采取自适应值后所获得的即时奖
励，是新生成的检测事件目标预测值，是学习率，是折扣因子，是在新生成的检测事件目标预测值下所有可选自适应值中的最大值
。
[0010]在第一方面的一种可能的实现方式中，所述动态自适应定位模型还包括目标网络层；所述目标网络层与所述自适应强化学习层的网络结构相同
、
网络参数相同；所述目标网络层的网络参数更新频率低于所述自适应强化学习层的的网络参数更新频率；所述对所述初始预测值以及所述经验回放层中存储的历史自适应值进行计算，以得到各个油气管道分段对应的检测事件目标预测值之后，还包括：通过所述目标网络层，对所述声学传输场景特征进行多尺度抽象特征提取，并基于提取出的多尺度抽象特征进行检测事件预测处理，以得到各个油气管道分段对应的检测事件参考预测值；计算所述参考预测值与所述初始预测值之间的分位数回归损失值；基于所述分位数回归损失值，对所述自适应强化学习层进行梯度下降优化处理，以更新所述自适应强化学习层中的自适应网络参数
。
[0011]在第一方面的一种可能的实现方式中，所述经验回放层中还包括经验回放记忆库；所述对所述初始预测值以及所述经验回放层中存储的历史自适应值进行计算，以得到各个油气管道分段对应的检测事件目标预测值之后，还包括：从所述经验回放记忆库中随机采样得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于分布式光纤声波传感的监测预警方法，其特征在于，包括：获取油气管道中的声波传输数据；其中，所述声波传输数据包括不同环境下的多源声波传输数据；处于不同环境下的每一分布式光纤传感器采集到的数据作为一个数据源；通过多源数据特征分析模型，从所述声波传输数据中进行邻域构建以及相关性提取，以得到各个油气管道分段对应的声学传输场景特征；通过动态自适应定位模型，对所述声学传输场景特征进行预测，以得到所述油气管道中各个油气管道分段对应的检测事件预测值；其中，检测事件预测值越高，目标油气管道分段中发生监测事件的概率越高；对于检测事件预测值符合预警条件的目标油气管道分段，根据所述目标油气管道分段所处的地理位置，在动态预警监测分布图中展示所述目标油气管道分段对应的动态预警信息；其中，所述动态预警信息的展示形式随所述目标油气管道分段的检测事件预测值的变化而变化
。2.
根据权利要求1所述的基于分布式光纤声波传感的监测预警方法，其特征在于，获取油气管道中的声波传输数据，包括：获取处于不同环境下的每一分布式光纤传感器采集到的光纤震动数据；对于不同环境下的每一分布式光纤传感器，对所述光纤震动数据进行预处理；从预处理后的光纤震动数据中提取多尺度声波传输特征，以得到每一数据源对应的声波时滞关系特征
、
声波自适应滤波特征
、
声学率普遍性特征；对每一数据源对应的声波时滞关系特征
、
声波自适应滤波特征
、
声学率普遍性特征进行特征融合处理，以得到每一数据源对应的声波传输融合特征数据
。3.
根据权利要求1所述的基于分布式光纤声波传感的监测预警方法，所述多源数据特征分析模型包括细粒度分析层
、
邻域构建层
、
相关性分析层
、
降维处理层
、
特征融合层；所述通过多源数据特征分析模型，从所述声波传输数据中进行邻域构建以及相关性提取，以得到各个油气管道分段对应的声学传输场景特征，包括：通过所述细粒度分析层，对所述声波传输数据进行多源数据细粒度分析，以得到细粒度声波传输特征；所述细粒度声波传输特征分布在不同频域子带中；通过所述邻域构建层，对不同频域子带中的细粒度声波传输特征进行邻域构建处理，以得到声波传输邻域特征；所述声波传输邻域特征用于表示各个油气管道分段所处的不同位置与不同邻域下声学传输变换因素之间的互动性关系；通过所述相关性分析层，获取所述声波传输邻域特征中各个特征点与周围邻域特征点之间的相关性度量信息；所述相关性度量信息用于表示各个油气管道分段对应的声学传输变换因素之间的关联关系；通过所述降维处理层，基于所述相关性度量信息对所述声波传输邻域特征进行降维，以得到声波传输降维特征；通过所述特征融合层，对所述声波传输降维特征进行特征融合，以得到所述声学传输场景特征
。4.
根据权利要求1所述的基于分布式光纤声波传感的监测预警方法，其特征在于，所述动态自适应定位模型包括自适应强化学习层
、
动态自适应值学习层
、
经验回放层；所述通过动态自适应定位模型，对所述声学传输场景特征进行预测，以得到所述油气
管道中各个油气管道分段对应的检测事件预测值，包括：通过所述自适应强化学习层，对所述声学传输场景特征进行多尺度抽象特征提取，并基于提取出的多尺度抽象特征进行检测事件预测处理，以得到各个油气管道分段对应的检测事件初始预测值；通过所述动态自适应值学习层，对所述初始预测值以及所述经验回放层中存储的历史自适应值进行计算，以得到各个油气管道分段对应的检测事件目标预测值
。5.
根据权利要求4所述的基于分布式光纤声波传感的监测预警方法，其特征在于，所述对所述初始预测值以及所述经验回放层中存储的历史自适应值进行计算，以得到各个油气管道分段对应的检测事件目标预测值之后，还包括：将所述检测事件目标预测值循环存放到所述经验回放层中；采用预先设置的动态自适应值更新规则，基于所述检测事件目标预测值更新所述经验回放层中存储的历史自适应值；其中，所述动态自适应值更新规则中，通过以下公式获取所需更新的历史自适应值，即：；其中，是在历史检测事件目标预测值下采取自适应值后所获得的即时奖励，是新生成的检测事件目标预测值，是学习率，是折扣因子，是在新生成的检测事件目标预测值下所有可选自适应值中的最大值
。6.
根据权利要求4所述的基于分布式光纤声波传感的监测预警方法，其特征在于，所述动态自适应定位模型还包括目标网络层；所述目标网络层与所述自适应强...

【专利技术属性】
技术研发人员：蔡毅，游东东，丁楠，张军，向海民，蔡立辉，
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：