[發明專利]石油管道信號的異常檢測方法及裝置、設備及可讀介質

有效

• 申請號: 201811466072.X
• 申請日: 2018-12-03
• 公開（公告）號: CN109800627B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 何曉東;周振華
• 申請（專利權）人: 第四范式（北京）技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01D21/00
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 田方;朱志玲

本發明提供一種石油管道信號的異常檢測方法及裝置、設備及可讀介質。其方法包括：根據傳感器實時采集的石油管道信號，生成預測樣本數據；對所述預測樣本數據進行特征抽取處理，得到預測樣本特征；將所述預測樣本特征輸入至已訓練得到的石油管道異常信號檢測模型，獲取所述石油管道異常信號檢測模型的輸出結果；根據所述石油管道異常信號檢測模型的輸出結果，確定石油管道信號是否異常。本發明的技術方案，可以有效地提高異常檢測的準確性，且不受石油管道的復雜形狀影響，能夠有效地保證檢測效率。

技術領域

本發明涉及計算機應用技術領域，尤其涉及一種石油管道信號的異常檢測方法及裝置、設備及可讀介質。

背景技術

石油管道信號的異常檢測，直接影響石油運輸的安全性，是石油領域的信號檢測中的一件非常重要的工作。

現有石油領域的異常信號檢測技術，通常以人工制定規則來判石油管道信號是否異常。具體地，由傳感器從石油管道中檢測到信號數據，通過人為制定的規則來對這些信號數據進行分類，判斷是否屬于異常情況。例如常用的人為規則可以是一些經典的統計學方法，如最大值、最小值的判斷、或者正態分布的標準差判斷等方法。

但是現有技術的統計學方法，由于自身的性質存在著天然的缺陷，只能從數據分布的先驗假設上做異常判斷，不能因地制宜，比如石油管道領域很多的異常信號與取值大小無關，無法應對一些特定領域的復雜形狀的異常信號，從而使得現有的石油管道信號的異常檢測的準確性較差。

發明內容

本發明提供一種石油管道信號的異常檢測方法及裝置、設備及可讀介質，用于提高石油管道信號的異常檢測的準確性。

本發明提供一種石油管道信號的異常檢測方法，包括：

根據傳感器實時采集的石油管道信號，生成預測樣本數據；

對所述預測樣本數據進行特征抽取處理，得到預測樣本特征；

將所述預測樣本特征輸入至已訓練得到的石油管道異常信號檢測模型，獲取所述石油管道異常信號檢測模型的輸出結果；

根據所述石油管道異常信號檢測模型的輸出結果，確定石油管道信號是否異常。

本發明還提供一種石油管道信號的異常檢測模型的訓練方法，包括：

根據傳感器歷史采集的石油管道信號以及相應石油管道的歷史狀態信息，生成訓練樣本數據集；

對所述訓練樣本數據集進行特征抽取處理，得到訓練樣本特征集；

基于所述訓練樣本特征集、采集的所述歷史狀態信息和機器學習算法，訓練石油管道異常信號檢測模型。

本發明還提供一種石油管道信號的異常檢測裝置，包括：

生成模塊，用于根據傳感器實時采集的石油管道信號，生成預測樣本數據；

抽取模塊，用于對所述預測樣本數據進行特征抽取處理，得到預測樣本特征；

檢測模塊，用于將所述預測樣本特征輸入至已訓練得到的石油管道異常信號檢測模型，獲取所述石油管道異常信號檢測模型的輸出結果；

確定模塊，用于根據所述石油管道異常信號檢測模型的輸出結果，確定石油管道信號是否異常。

本發明還提供一種石油管道信號的異常檢測模型的訓練裝置，包括：

生成模塊，用于根據傳感器歷史采集的石油管道信號以及相應石油管道的歷史狀態信息，生成訓練樣本數據集；

抽取模塊，用于對所述訓練樣本數據集進行特征抽取處理，得到訓練樣本特征集；

訓練模塊，用于基于所述訓練樣本特征集、采集的所述歷史狀態信息和機器學習算法，訓練石油管道異常信號檢測模型。