[發明專利]一種綜合管廊內部燃氣濃度LSTM預測方法及系統

在審

• 申請號: 201810225127.1
• 申請日: 2018-03-19
• 公開（公告）號: CN108416478A
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 邱實;陳雍君;薛博;寧楠
• 申請（專利權）人: 國通廣達（北京）技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N99/00
• 代理公司: 北京蘭亭信通知識產權代理有限公司 11667
• 代理人: 趙永剛

1.一種綜合管廊內部燃氣濃度LSTM預測方法，其特征在于，包括：

獲取綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊位置數據；

對所獲取的綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊位置數據進行預處理并形成燃氣濃度特征向量；

以ReLu為激勵函數訓練LSTM模型；

將燃氣濃度特征向量輸入至LSTM模型中并對應輸出綜合管廊內部燃氣濃度的預測數據。

2.根據權利要求1所述的方法，其特征在于，所述對綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊所在地數據進行預處理包括：

以時間為基準查找綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊所在地數據中所缺失的數據并補齊；

將完整的綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊所在地數據分別進行標準化處理，并形成四維向量。

3.根據權利要求2所述的方法，其特征在于，所述以時間為基準查找綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊所在地數據中所缺失的數據并補齊包括：

分別獲取綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊所在地數據對應的時間序列，當所述時間序列有缺失則根據時間序列中第t個時間步對應的缺失時刻、和所述缺失時刻對應的觀測值生成缺失標簽向量；

根據缺失標簽向量和缺失時刻確定缺失時長；

通過缺失時刻的最近有效值和時間序列的均值按如下公式進行加權和處理并將所得結果替換為缺失時刻的觀測值

其中，

4.根據權利要求1或3所述的方法，其特征在于，所述訓練LSTM模型包括：

根據ReLu激勵函數確定誤差函數；

優化LSTM模型參數；

依次建立訓練矩陣、初始化LSTM模型、編譯LSTM模型、訓練LSTM模型和評估LSTM模型。

5.根據權利要求1-4任一所述的方法，其特征在于，在所述將燃氣濃度特征向量輸入至LSTM模型中并對應輸出綜合管廊內部燃氣濃度的預測數據之后，所述方法還包括：

將LSTM模型中所訓練的第一層次的基礎上，增加一層與第一層次結構相同的新層次，其中，新層次中以第一層次LSTM的輸出與初始模型中燃氣濃度特征向量作為輸入；

對增加新層次后的LSTM模型進行訓練優化；

在第一層次上逐層增加新的層次并進行訓練，直到增加層次使得LSTM模型性能不在提升；

由最終獲得的LSTM模型得出綜合管廊內部燃氣濃度的最終預測值。

6.一種綜合管廊內部燃氣濃度LSTM預測系統，其特征在于，包括：

獲取單元，用于獲取綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊位置數據；

預處理單元，用于對所獲取的綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊位置數據進行預處理并形成燃氣濃度特征向量；

模型訓練單元，用于以ReLu為激勵函數訓練LSTM模型；

第一預測單元，用于將燃氣濃度特征向量輸入至LSTM模型中并對應輸出綜合管廊內部燃氣濃度的預測數據。

7.根據權利要求6所述的系統，其特征在于，所述預處理單元包括：

數據缺失補齊子單元，用于以時間為基準查找綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊所在地數據中所缺失的數據并補齊；

標準化處理子單元，用于將完整的綜合管廊內部燃氣濃度數據、管廊內部微生物密度數據、傳感器位置數據和綜合管廊所在地數據分別進行標準化處理，并形成四維向量。