燃气加臭剂浓度预测方法技术

本公开揭示了一种燃气加臭剂浓度预测方法

【技术实现步骤摘要】
燃气加臭剂浓度预测方法、装置、存储介质及电子设备


[0001]本公开属于数据预测
，具体涉及一种燃气加臭剂浓度预测方法
、
装置
、
存储介质及电子设备
。

技术介绍

[0002]燃气加臭作为安全措施已有
100
多年的历史，各国相继颁布了燃气输配设备和管网运行的各项法规，也制定了有关燃气加臭的标准，各国还在不断充实
、
完善这项工
。
但各国的工艺和设备不易，加臭标准也各不相同，缺乏准确的关于各类燃气泄露的安全指标和它们之间的数学规律
。
现有的预测方法例如包括长短时记忆神经网络（
LSTM
）
、
双向长短时记忆神经网络（
Bi
‑
LSTM
）以及门控循环单元（
GRU
）等在内的循环神经网络因特征提取器提取能力有限，在面对高维复杂数据时无法有效提取数据之间的特征联系，从而导致燃气加臭剂浓度预测精度低
。
因此，对燃气加臭剂浓度规律进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种燃气加臭剂浓度预测方法，其特征在于，所述方法包括以下步骤：
S100
：采集燃气管网运行系统中的实时燃气数据；
S200
：对所采集的实时燃气数据进行预处理；
S300
：构建燃气加臭剂浓度预测模型并进行训练；其中，燃气加臭剂浓度预测模型包括编码模块
、
特征提取模块和解码模块，特征提取模块包括主干网络，主干网络采用多尺度残差结构以提取输入数据的不同尺度信息；主干网络通过引入注意力机制模块以提高模型对于重要特征的关注度；
S400
：将预处理后的实时燃气数据输入训练好的燃气加臭剂浓度预测模型，以对燃气管网中燃气加臭剂的实时浓度进行预测
。2.
根据权利要求1所述的方法，其特征在于，步骤
S200
中，所述对所采集的实时燃气数据进行预处理包括以下步骤：
S201
：使用
Min
‑
Max
标准化方法对所采集的实时燃气数据进行标准化处理；
S202
：使用滑窗将标准化处理后的实时燃气数据划分为带有时序特征的数据矩阵
。3.
根据权利要求1所述的方法，其特征在于，步骤
S300
中，所述燃气加臭剂浓度预测模型通过以下步骤进行训练：
S301
：采集多组含有不同加臭剂浓度的燃气数据，获得燃气加臭剂浓度数据集，对数据集进行预处理后划分...

【专利技术属性】
技术研发人员：贺亮，刘云川，李劲涛，李想成真，周伟，
申请(专利权)人：重庆泓宝科技股份有限公司，
类型：发明
国别省市：