-
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
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
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。
-
公开(公告)号：CN114035226B
公开(公告)日：2023-10-20
申请号：CN202111338427.9
申请日：2021-11-12
Applicant: 东北石油大学
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。
-
公开(公告)号：CN115906949A
公开(公告)日：2023-04-04
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
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。
-
-
-
Search Results
4
records
(took 0.017 seconds)
