[发明专利]一种基于LSTM网络和Adam算法的天然气管道事件分类方法

说明书

本发明涉及一种基于LSTM网络和Adam算法的天然气管道事件分类方法，属于天然气管道在线安全监测领域。该过程包括：首先提取原始样本并进行归一化处理及标签标记，然后分成训练集和验证集。其次，构建LSTM网络模型并将归一化后样本输入网络进行训练及验证。当网络训练精度满足要求时，输出网络模型；否则，重新进行网络训练。最后，将归一化后的新样本输入训练完毕的网络模型，即可实现天然气管道水合物堵塞、泄漏、弯道等事件的分类识别。本发明的优点在于，采用LSTM网络和Adam算法进行管道事件分类无需进行特征提取预处理，且网络训练速度快，能够准确识别管道事件。

技术领域

本发明涉及一种基于LSTM网络和Adam算法的天然气管道事件分类方法，属于天然气管道在线安全监测领域。

背景技术

由于天然气具有低污染和高热值等优点，在能源消费结构中占比逐年提升。管道作为天然气运输的主要方式之一，其安全运行已受到广泛关注。然而，在高压和低温环境下，天然气水合物极易生成从而影响天然气的正常运输。由于腐蚀、堵塞或第三方施工导致的管道泄漏事故同样会造成严重的安全事故。此外，弯道对于基于声学的管道异常事件探测与定位存在干扰。因此，对天然气管道事件分类识别可为管道运营方采取相应维护措施提供有效指导。

目前，国内外已开展了管道异常事件探测与定位方法的研究并公布了相应成果。一种基于声发射技术被提出来并用于气体水合物流动规律和结晶过程的监测，该技术根据声信号的振幅可以检测到晶体的团聚和形成。一个基于压力波传播法检测天然气管道水合物堵塞系统被设计用于检测堵塞，实现了单水合物堵塞的定位及堵塞程度判定。针对管道泄漏，一种基于观测器和混合整数偏微分方程约束优化的天然气管道多点泄漏检测方法被提出，该离散化方法可大大减少泄漏位置求解时的计算量。一种基于核主成分分析和支持向量机的泄漏检测方法被提出。通过核主成分分析实现声信号的特征提取，然后采用支持向量机实现泄漏等级的识别。然而，上述方法不能实现不同类型管道事件的同时探测与定位。为此，一种基于主动声学激励技术被提出并应用于天然气管道水合物堵塞在线监测。之后，该技术也被证明适用于管道泄漏的监测。此外，基于小波包分析的“能量-模式”方法及混沌特性分析法被提出用于水合物堵塞和管道泄漏的分类识别。为了在保证系统空间分辨率的前提下拓展系统监测范围，基于声学脉冲压缩的天然气管道安全监测方法被提出，该方法较好地解决了监测范围与空间分辨率之间的矛盾。然而，经过匹配滤波后的信号特征不明显，应用传统方法进行特征提取和分类识别效果较差。

因此，将LSTM网络应用于天然气管道事件分类，可无需进行特征提取预处理，直接将一维时间序列样本输入网络进行训练。在网络训练过程中，采用Adam算法加速网络收敛。该方法可以实现水合物堵塞及管道泄漏的高精度分类识别，同时准确排除弯道干扰，可为管道运营方采取相应维护措施提供有效指导。

发明内容

本发明的目的是提供一种基于LSTM网络和Adam算法的天然气管道事件分类方法，该技术可有效排除弯道干扰，实现水合物堵塞及管道泄漏的分类识别。

本发明的技术方案为：一种基于LSTM网络和Adam算法的天然气管道事件分类方法，包括如下步骤：

1)将天然气管道安全监测系统采集的不同事件反射信号经过匹配滤波后作为原始样本，对原始样本进行标签标记，并分成训练集和测试集；

2)构建LSTM网络，包括：输入层、LSTM层、全连接层及输出层。设定网络的各项参数，包括：LSTM层数、LSTM隐含层神经元数、全连接层层数、全连接层激活函数、迭代次数；

3)将原始样本归一化后输入构建完毕的网络进行训练与验证。网络训练过程中，单个LSTM细胞运行过程如下：

(1)将当前时间步t的输入值x^t与上一时间步t-1的激活值a^t-1组合，可表示为：

(2)在时间步t的候选细胞状态为：