[发明专利]管道缺陷预测方法及装置在审

专利信息
申请号: 201810908186.9 申请日: 2018-08-10
公开(公告)号: CN109034641A 公开(公告)日: 2018-12-18
发明(设计)人: 董绍华;陈一诺;韩嵩;邸鑫;张河苇;张来斌 申请(专利权)人: 中国石油大学(北京)
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q10/04;G06N3/00
代理公司: 北京三友知识产权代理有限公司 11127 代理人: 王天尧
地址: 102249*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 管道缺陷 特征数据 随机森林 预测 影响管道 分级 风险监控 管道输送 预测结果 有效地 研究
【权利要求书】:

1.一种管道缺陷预测方法,其特征在于,包括:

获取待预测管道的特征数据;

将待预测管道的特征数据输入随机森林模型,预测所述待预测管道的缺陷等级;所述随机森林模型根据多种影响管道缺陷等级的特征数据训练生成。

2.如权利要求1所述的管道缺陷预测方法,其特征在于,所述特征数据包括:管道的腐蚀数据、建设数据和监测检测数据。

3.如权利要求1所述的管道缺陷预测方法,其特征在于,获取待预测管道的特征数据,包括:

对待预测管道的特征数据进行预处理,得到预处理后的待预测管道的特征数据;

将待预测管道的特征数据输入随机森林模型,预测所述待预测管道的缺陷等级,包括:

将预处理后的待预测管道的特征数据输入随机森林模型,预测所述待预测管道的缺陷等级。

4.如权利要求3所述的管道缺陷预测方法,其特征在于,对待预测管道的特征数据进行预处理,得到预处理后的待预测管道的特征数据,包括:

对待预测管道的特征数据进行缺失值的填充处理;

对进行缺失值的填充处理后的待预测管道的特征数据进行去噪声处理;

将去噪声处理后的待预测管道的特征数据中的字符型数据转换为数值型数据。

5.如权利要求1所述的管道缺陷预测方法,其特征在于,还包括:

采集实时预测出的缺陷等级及其对应的管道的特征数据;

在确定实时预测出的缺陷等级及其对应的管道的特征数据不存在于历史缺陷等级数据样本中时,将实时采集到的缺陷等级及其对应的管道的特征数据更新到历史缺陷等级数据样本中;

根据更新后的历史缺陷等级数据样本,训练所述随机森林模型,得到优化后的随机森林模型。

6.一种管道缺陷预测装置,其特征在于,包括:

获取单元,用于获取待预测管道的特征数据;

预测单元,用于将待预测管道的特征数据输入随机森林模型,预测所述待预测管道的缺陷等级;所述随机森林模型根据多种影响管道缺陷等级的特征数据训练生成。

7.如权利要求6所述的管道缺陷预测装置,其特征在于,所述获取单元包括:

预处理单元,用于对待预测管道的特征数据进行预处理,得到预处理后的待预测管道的特征数据;

所述预测单元具体用于:将预处理后的待预测管道的特征数据输入随机森林模型,预测所述待预测管道的缺陷等级。

8.如权利要求6所述的管道缺陷预测装置,其特征在于,还包括:

采集单元,用于采集实时预测出的缺陷等级及其对应的管道的特征数据;

样品更新单元,用于在确定实时预测出的缺陷等级及其对应的管道的特征数据不存在于历史缺陷等级数据样本中时,将实时采集到的缺陷等级及其对应的管道的特征数据更新到历史缺陷等级数据样本中;

模型优化单元,用于根据更新后的历史缺陷等级数据样本,训练所述随机森林模型,得到优化后的随机森林模型。

9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5任一所述方法。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至5任一所述方法的计算机程序。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油大学(北京),未经中国石油大学(北京)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810908186.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top