本发明公开了一种基于图神经网络和LSTM网络的管道油气泄漏检测方法,包括采集光纤温度数据及预处理,对数据进行异常温度标记,切割成样本段;将样本段转化为图结构数据;构建由图神经网络和LSTM网络构成的融合网络,用图结构数据训练得到训练好的图神经网络和LSTM网络融合模型,用于待测区域泄漏检测。本发明提出了一种新的异常温度定位方法,采用图神经网络构建各信号节点的空间关系并捕捉信号的空间特性,采用LSTM网络捕捉信号的时域特性,相比于现有技术,本方法综合考虑了信号的空间相关性与时序性,能够准确检测与定位城市地下管廊的温度异常事件,检测精度高,实用性强,速度快。
多尺度信息融合:该方法利用图神经网络可以处理多尺度的图数据,将管道系统的拓扑结构与传感器数据结合起来进行泄漏检测。通过对不同尺度下的节点和边进行关联分析,能够更准确地捕捉泄漏信号。
时间序列建模:通过引入LSTM网络,可以有效地对时间序列数据进行建模和预测。管道系统中的油气流动情况是动态变化的,LSTM能够捕捉到时间上的依赖关系,提高泄漏检测的灵敏度和准确性。
异常检测与预警:该方法可以识别管道系统中的异常行为,并及时发出预警信号。通过对历史数据进行学习和训练,模型能够根据当前的输入数据判断是否存在泄漏情况,并在最早的时候做出响应,减少泄漏事故的损失。
端到端的学习:采用端到端的学习方式,从原始数据中直接学习特征表达和泄漏检测模型。避免了传统方法中的手工特征设计和处理步骤,简化了模型的复杂性和人工成本。
成都理工大学是国家首批“双一流”建设高校。其前身是创办于1956年的成都地质勘探学院,是共和国建国初期的三所地质院校之一。1958年更名为成都地质学院,1993年更名为成都理工学院,2001年更名为成都理工大学。学校先后由地质部、地质矿产部、国土资源部直属,2000年划转地方,实行中央与地方共建、以四川省人民政府管理为主的办学体制。2010年学校成为国土资源部与四川省人民政府共建高校,2019年成为教育部与四川省共建的“双一流”建设高校。2022年学校入选国家第二轮“双一流”建设高校。
在半个多世纪的办学历程中,成都理工大学矢志报国、上下求索,风雨兼程、耕耘不辍,为社会培养了近30万名优秀人才,为我国经济建设和社会发展作出了重要贡献;他们当中涌现出一批知名学者、专家和管理人才,其中有两院院士5人。学校在长期的办学实践中形成了“穷究于理、成就于工”的校训、“艰苦奋斗、奋发图强”的优良传统、“不甘人后、敢为人先”的进取精神。
评价单位:- (-)
评价时间:2023-08-22
综合评价
此产品具有良好的效益,建议推广
查看更多>