[發(fā)明專利]一種基于LSTM的油氣儲罐遠程壁板厚度預(yù)測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010571746.3
• 申請日: 2020-06-22
• 公開（公告）號: CN111753957B
• 公開（公告）日: 2022-06-10
• 發(fā)明（設(shè)計）人: 葉錦華;朱利琦;劉峰
• 申請（專利權(quán)）人: 福州大學(xué)
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G01B21/08
• 代理公司: 福州元創(chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 錢莉;蔡學(xué)俊

1.一種基于LSTM的油氣儲罐遠程壁板厚度預(yù)測方法，其特征在于，包括以下步驟：

遠程采集五組油氣儲罐運行參數(shù)：壁板厚度T、儲罐外部環(huán)境溫度C、儲罐內(nèi)部油氣壓力P、壁板振動幅值V、空氣濕度H，并構(gòu)建時間序列數(shù)據(jù)集；

計算運行參數(shù)C、P、V、H與壁板厚度時間序列的相關(guān)性系數(shù)；

歸一化處理時間序列數(shù)據(jù)集，將歸一化后的數(shù)據(jù)集分成訓(xùn)練數(shù)據(jù)集和驗證數(shù)據(jù)集；

以相關(guān)性系數(shù)初始化LSTM模型權(quán)重，利用訓(xùn)練數(shù)據(jù)集對LSTM模型進行學(xué)習(xí)訓(xùn)練；

通過驗證數(shù)據(jù)集對訓(xùn)練好的模型進行驗證，若驗證不通過，則采集新數(shù)據(jù)，構(gòu)建新的時間序列數(shù)據(jù)集，并重復(fù)上述所有步驟，直到模型驗證通過；

采集最新時刻的數(shù)據(jù)，輸入到驗證通過的LSTM模型，實現(xiàn)下一時刻壁板厚度值預(yù)測；

所述遠程采集五組油氣儲罐運行參數(shù)：壁板厚度T、儲罐外部環(huán)境溫度C、儲罐內(nèi)部油氣壓力P、壁板振動幅值V、空氣濕度H，并構(gòu)建時間序列數(shù)據(jù)集具體包括以下步驟：

步驟S11：遠程采集儲罐外部環(huán)境溫度C、儲罐內(nèi)部油氣壓力P、壁板振動幅值V、空氣濕度H、壁板厚度T；

步驟S12：采用時間t為采樣間隔時間，分別獲取如下運行參數(shù)時間序列：

T＝[T₀,T_t,T_2t,...T_kt...,T_(n-1)t,T_nt]，

C＝[C₀,C_t,C_2t,...C_kt...C_(n-1)t,C_nt]，

P＝[P₀,P_t,P_2t,...P_kt...P_(n-1)t,P_nt]，

V＝[V₀,V_t,V_2t,...V_kt...V_(n-1)t,V_nt]，

H＝[H₀,H_t,H_2t,...H_kt...H_(n-1)t,H_nt]；

其中，T_kt表示kt時刻采集的壁板厚度數(shù)據(jù)，C_kt表示kt時刻采集的儲罐外部環(huán)境溫度數(shù)據(jù)，P_kt表示kt時刻采集的儲罐內(nèi)部油氣壓力數(shù)據(jù)，V_kt表示kt時刻采集的壁板振動幅值數(shù)據(jù)，H_kt表示kt時刻采集的空氣濕度數(shù)據(jù)；其中，k＝0,1,...,n，n+1為最大采集；

所述計算運行參數(shù)C、P、V、H與壁板厚度時間序列的相關(guān)性系數(shù)具體為：計算運行參數(shù)時間序列C、P、V、H的時間序列數(shù)據(jù)與壁板厚度時間序列的相關(guān)性系數(shù)[ρ_CT,ρ_PT,ρ_VT,ρ_HT]^T；

式中，E(*)表示取均值操作，D(*)表示取方差操作；

所述以相關(guān)性系數(shù)初始化LSTM模型權(quán)重，利用訓(xùn)練數(shù)據(jù)集對LSTM模型進行學(xué)習(xí)訓(xùn)練具體包括以下步驟：

步驟S21：初始化模型權(quán)重，分別為：

遺忘門f的初始權(quán)重：

W_f＝[W_fh,W_fx]；其中，W_fh＝ρ_CT，W_fx＝[ρ_CT,ρ_CT,ρ_PT,ρ_VT,ρ_HT]；

輸入門i的初始權(quán)重：

W_i＝[W_ih,W_ix]，其中，W_ih＝ρ_PT，W_ix＝[ρ_PT,ρ_CT,ρ_PT,ρ_VT,ρ_HT]；

輸出門o的初始權(quán)重：

W_o＝[W_oh,W_ox]，其中，W_oh＝ρ_VT，W_ox＝[ρ_VT,ρ_CT,ρ_PT,ρ_VT,ρ_HT]；

記憶單元c的初始權(quán)重：

W_c＝[W_ch,W_cx]，其中，W_ch＝ρ_HT，W_cx＝[ρ_HT,ρ_CT,ρ_PT,ρ_VT,ρ_HT]；

其中，W_fh、W_fx、W_ih、W_ix、W_oh、W_ox、W_ch及W_cx均為模型權(quán)重；

步驟S22：使用訓(xùn)練數(shù)據(jù)集進行模型學(xué)習(xí)訓(xùn)練，通過誤差反向傳播進行模型參數(shù)更新。