[发明专利]基于人工智能的GIS气体组分浓度检测方法

权利要求书

1.基于人工智能的GIS气体组分浓度检测方法，其特征在于，该方法包括以下步骤：

利用多个气体浓度传感器采集气体采集单元中的气体浓度，得到多个相应的气体浓度序列；

根据各所述气体浓度传感器与所述气体采集单元中各未知点的相对距离分配各所述未知点的浓度权重；各未知点的浓度权重为：，其中，W_i为第i个气体浓度传感器对所述未知点分配的所述浓度权重， d_i为第i个气体浓度传感器到所述未知点的距离，b为衰减指标；

根据所述浓度权重和各所述气体浓度传感器的气体浓度计算各未知点位置处的气体浓度，得到各未知点对应的气体浓度序列，各所述未知点的气体浓度序列和气体浓度传感器的气体浓度序列构成气体浓度矩阵；利用去趋势波动分析法获取所述气体浓度矩阵中各气体浓度序列的累计离差序列，并计算所述累计离差序列对应的赫斯特指数，根据所述赫斯特指数得到波动趋势值，其中波动趋势值为所述赫斯特指数与预设指标差值的绝对值；计算所述累计离差序列所对应曲线的包络面积，所述包络面积是利用峰值点检测算法计算所述累计离差序列的多个极大值和极小值，由多个所述极大值和所述极小值得到极大值包络曲线和极小值包络曲线，根据所述极大值包络曲线和所述极小值包络曲线计算包络面积，该包络面积S的计算公式为：，其中m(k)为极大值包络曲线， n(k)为极小值包络曲线；由气体采集单元中各点对应的包络面积和波动趋势值，构建对应的包络面积矩阵和波动趋势矩阵；

所述气体浓度矩阵、所述包络面积矩阵和所述波动趋势矩阵输入气体浓度预测网络得到预测气体浓度，具体包括：融合所述气体浓度矩阵、所述包络面积矩阵和所述波动趋势矩阵得到三通道的三维矩阵；所述气体浓度预测网络中的编码器对所述三通道的三维矩阵进行特征提取得到特征矩阵；展平所述特征矩阵得到特征向量；融合气体采集单元中的各气体对应的所述特征向量得到融合特征向量，所述融合特征向量输入回归器中输出各气体的预测气体浓度。

2.根据权利要求1所述的基于人工智能的GIS气体组分浓度检测方法，其特征在于，所述气体浓度预测网络为：3D卷积神经网络。

3.根据权利要求1所述的基于人工智能的GIS气体组分浓度检测方法，其特征在于，所述气体浓度预测网络的网络训练集的获取方法，包括：

利用高精度配气仪配比混合气体，得到所述混合气体中各气体的实际气体浓度；

由所述实际气体浓度、所述实际气体浓度对应的气体浓度矩阵、包络面积矩阵和波动趋势矩阵作为所述气体浓度预测网络的网络训练集。

4.根据权利要求3所述的基于人工智能的GIS气体组分浓度检测方法，其特征在于，所述气体浓度预测网络的损失函数为：所述预测气体浓度和所述实际气体浓度之间的均方差损失函数。