公开(公告)号：CN120067935A

公开(公告)日：2025-05-30

申请号：CN202510129756.4

申请日：2025-02-05

Applicant: 东北石油大学

Inventor： 董宏丽 ,  王闯 ,  赵雪峰 ,  侯男 ,  李佳慧 ,  韩非 ,  孟岚 ,  商柔

IPC: G06F18/2433 ,  G06F18/2415 ,  G06N3/0455 ,  G06N3/094 ,  G06F18/25

Abstract: 一种基于多源数据融合注意力机制的石油管道异常预警监控方法及系统，石油管道的异常预警技术，旨在通过多源数据融合技术与深度学习技术，实现石油管道的早期微小渗漏异常检测。技术要点：从声波、温度、负压波、振动传感器中采集管道运行状态历史数据，构建数据集；获取时间序列分段编码，用于算法训练；构建融合注意力模块，用于算法训练；基于获取的多源数据融合注意力Transformer模型，采用对抗学习方法进行训练以预测石油管道未来运行状态；利用带有可学习尺度参数的高斯分布训练石油管道预警模型；利用已训练完毕的多源数据融合注意力Transformer模型作为石油管道异常预警模型，对未来运行状态异常行为进行识别并获取失效概率。本发明通过融合多源数据分析技术与深度学习技术，结合创新的高斯核缩放参数和失效概率计算方法，有效提升了石油管道异常预警的准确性和可靠性，特别是在微小渗漏检测方面具有重要的应用价值。

公开(公告)号：CN116701948B

公开(公告)日：2024-01-23

申请号：CN202310968582.1

申请日：2023-08-03

Applicant: 东北石油大学三亚海洋油气研究院

Inventor： 侯男 ,  董宏丽 ,  商柔 ,  霍凤财 ,  王闯 ,  王鹏 ,  胡仲瑞 ,  周国强

IPC: G06F18/214 ,  G06F18/20 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/048

Abstract: 管道故障诊断方法及系统、存储介质和管道故障诊断设备，属于机械故障检测与诊断技术领域，用于解决现有的智能诊断模型在小样本、不平衡数据集下准确率较低的问题。技术要点：利用传感器采集管道故障数据以及正常数据，组成真实数据集；构建时序生成网络，学习真实数据时序特征和类别特征，生成更加符合工程实际的管道数据；构建判别网络，判别其输入数据是否为真实数据；根据质量与多样性指标确定时序生成网络下一模态；利用Adam优化器交替更新时序生成网络与判别网络直至收敛；将训练好的时序生成网络用于扩充管道数据集，实现石油管道故障类别识别。本发明有效克服小样本、不平衡数据集对管道故障诊断的不利影响，进而提升管道

公开(公告)号：CN116843130A

公开(公告)日：2023-10-03

申请号：CN202310705190.6

申请日：2023-06-14

Applicant: 东北石油大学

Inventor： 牟子豪 ,  白玉磊 ,  张可佳 ,  刘涛 ,  张岩 ,  商柔

IPC: G06Q10/0631 ,  G06Q50/06 ,  G06F18/20 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及燃气负荷预测技术领域，特别涉及一种燃气负荷的综合预测方法、装置、计算设备及存储介质。其中，方法包括：获取历史燃气负荷数据的原始数据集；对原始数据集进行预处理，得到训练集；预处理方式至少包括时序主分量重建算法；利用训练集对预先构建的每一种预测算法进行训练，得到每一种预测算法对每日燃气负荷量的预测值；利用每日燃气负荷量的预测值和含有每日实际燃气负荷量的标签对每一种预测算法的网络参数进行调整，直至得到符合预期的每一种预测模型；基于每日实际燃气负荷量和每一种预测算法对每日燃气负荷量的预测值，确定各预测模型对应的加权系数，以得到综合预测模型，可以进一步提高对燃气负荷量的预测准确率。

公开(公告)号：CN116701948A

公开(公告)日：2023-09-05

申请号：CN202310968582.1

申请日：2023-08-03

Applicant: 东北石油大学三亚海洋油气研究院

Inventor： 侯男 ,  董宏丽 ,  商柔 ,  霍凤财 ,  王闯 ,  王鹏 ,  胡仲瑞 ,  周国强

IPC: G06F18/214 ,  G06F18/20 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/048

Abstract: 管道故障诊断方法及系统、存储介质和管道故障诊断设备，属于机械故障检测与诊断技术领域，用于解决现有的智能诊断模型在小样本、不平衡数据集下准确率较低的问题。技术要点：利用传感器采集管道故障数据以及正常数据，组成真实数据集；构建时序生成网络，学习真实数据时序特征和类别特征，生成更加符合工程实际的管道数据；构建判别网络，判别其输入数据是否为真实数据；根据质量与多样性指标确定时序生成网络下一模态；利用Adam优化器交替更新时序生成网络与判别网络直至收敛；将训练好的时序生成网络用于扩充管道数据集，实现石油管道故障类别识别。本发明有效克服小样本、不平衡数据集对管道故障诊断的不利影响，进而提升管道故障诊断的可靠性。

公开(公告)号：CN115906949B

公开(公告)日：2023-06-20

申请号：CN202211465052.7

申请日：2022-11-22

Applicant: 东北石油大学三亚海洋油气研究院

Inventor： 董宏丽 ,  王闯 ,  申雨轩 ,  霍凤财 ,  商柔 ,  孙桐 ,  胡仲瑞 ,  王鹏

IPC: G06N3/047 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/094

Abstract: 一种石油管道故障诊断方法及系统、存储介质和石油管道故障诊断设备，属于管道故障诊断与分类技术领域，用以解决现有的智能方法在数据类别非均衡情况下无法达到高准确率的问题，包括步骤如下：步骤一，利用传感器采集不同泄漏程度以及正常状态的管道数据，构建真实数据集；步骤二，构建Tem‑PECAN的网络结构；步骤三，获取真实数据集的时间结构信息以及判别特征，以用于辅助Tem‑PECAN网络模型训练；步骤四：训练构建的Tem‑PECAN网络模型；步骤五，利用多样性与质量的综合评估指标验证生成数据的可靠性，并获得最优超参数组合；步骤六，利用训练好的Tem‑PECAN网络模型生成小类管道故障数据，用于扩充原始管道数据集；步骤七，使用扩充后的合成数据集训练故障分类模型，并实现管道故障诊断。本发明可以合成质量更好，多样性更强的管道时序数据，有效地提高了管道故障诊断模型的准确率以及鲁棒性，大大降低了诊断的漏报率和误报率。

公开(公告)号：CN114035226A

公开(公告)日：2022-02-11

申请号：CN202111338427.9

申请日：2021-11-12

Applicant: 东北石油大学

Inventor： 董宏丽 ,  王闯 ,  商柔 ,  孙桐 ,  韩非 ,  李佳慧

IPC: G01V1/28 ,  G01V1/36

Abstract: 本发明提出基于噪声语义相关性深度迁移去噪自编码网络的微地震资料噪声压制方法及系统，所述方法首先利用微地震合成资料对用去噪自编码器构造的模型进行训练，其中采用噪声语义相关性作为去噪自编码网络的损失函数，均方差作为去噪自编码网络的正则项；然后，采用最大均值差异最小化进行训练模型深度迁移。最后利用现场微地震资料对深度迁移去噪自编码噪声压制模型进行微调，得到最优模型，进行测试验证。所述方法克服了现有的深度学习去噪算法在微地震噪声压制背景下的限制，提升了微地震噪声压制模型的性能，提高了后续的事件识别与震源定位的准确性与可靠性。