[發明專利]一種基于分布式光纖測溫原理的海底電纜埋深估計算法

在審

• 申請號: 202011523132.4
• 申請日: 2020-12-22
• 公開（公告）號: CN112541292A
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 吳正明;何苧;陳科新;姜明武
• 申請（專利權）人: 蘇州光格科技股份有限公司
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F16/27;G06K9/62;G06N20/20;G01K11/32;G06F119/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于分布式光纖測溫原理的海底電纜埋深估計算法，其特征在于，所述估計算法是通過采集得到的光纖溫度數據并基于bagging的集成學習框架的計算法，所述集成學習框架包括數據解析模塊、數據庫IO模塊、模型訓練模塊；

所述數據解析模塊，用于采集溫度設備應用程序接口API在線生成的原始二進制文件，解析生成原始的頻率數據，通過洛倫茲公式對頻率散點進行曲線擬合，再通過梯度下降法生成擬合曲線，最后通過估計得到的中心頻率與基線頻率進行對比，估計出相對溫度，將其存入分布式數據庫中，作為后續計算的數據源；

所述數據庫IO模塊，用于原始數據和預處理的因子數據的存?。?/p>

所述模型訓練模塊，用于對現有因子數據的模型訓練，利用因子數據的相關程度以及權值，構建學習網絡。

2.根據權利要求1所述的一種基于分布式光纖測溫原理的海底電纜埋深估計算法，其特征在于，所述預處理的因子數據，通過數據庫中現有的原始數據，使用特征工程設定的相關計算規則，量化每個設備屬性特征的相關程度，生成一系列基于原始數據得到的模型因子和每個因子的權值。

3.根據權利要求2所述的一種基于分布式光纖測溫原理的海底電纜埋深估計算法，其特征在于，所述因子和權值數據同時應用于后臺模型計算以及在數據庫中備份中。

4.根據權利要求1所述的一種基于分布式光纖測溫原理的海底電纜埋深估計算法，其特征在于，所述模型訓練模塊主要包括分類引擎和回歸引擎，所述分類引擎用于對現有因子數據的模型訓練，利用因子數據的相關程度以及權重值，構建集成學習網絡，所述集成學習網絡包括7種分類模型，對于每一個分類場景，各模型以bagging的方式組合，生成埋深數值，所述回歸引擎以熱力學有限元分析模型為核函數，利用梯度下降法分布式計算并結合特征因子回歸估計相應的埋深，并與所述分類引擎的埋深數值進行對比。

5.根據權利要求4所述的一種基于分布式光纖測溫原理的海底電纜埋深估計算法，其特征在于，所述各模型的訓練是同時進行的，每個模型產生的數據分布式存儲于數據庫各自的表中，所述模型訓練的結果用于對電纜狀態和周邊海況的發展趨勢和動向進行預測。

6.根據權利要求4所述的一種基于分布式光纖測溫原理的海底電纜埋深估計算法，其特征在于，所述梯度下降法分布式計算單元采用分布式處理功能模塊Hadoop平臺對溫度數據實現分布式處理，所述Hadoop平臺中的MapReduce機制包括映射Map過程和化簡Reduce過程，所述Map過程和化簡Reduce過程是對原始數據進行有效分割和重組。

7.根據權利要求6所述的一種基于分布式光纖測溫原理的海底電纜埋深估計算法，其特征在于，所述梯度下降法分布式計算步驟如下：

（一）得到采樣點的組合銀子數據：使用Map操作并行地將原始因子轉換為可讀的數據格式，給不同服務器分配互不重復的采樣點，并對其按照順序編號，對這些采樣點的因子數據進行預處理和特征工程，剔除明顯的錯值缺失值，得到等長等寬的組合因子矩陣數據；

（二）對每個采樣點的組合因子數據迭代操作：每個服務器在Map階段分別讀出位于數據庫的組合因子數據，利用梯度下降法得到模型參數估計的迭代值，再將本次的結果在Reduced過程中返回；

（三）重復執行Map和Reduce操作，直到擬合殘差值不再變化或達到最大迭代次數時，結束迭代，并輸出回歸模型組合因子每個參數的估計值。

8.根據權利要求4所述的一種基于分布式光纖測溫原理的海底電纜埋深估計算法，其特征在于，在所述模型訓練過程中，將因子數據劃分成多個小數據集，學習多個模型進行組合，所述劃分數據集通過Bootstrap方法進行有放回的抽樣，得到各因子的分布以及置信區間，具體步驟如下：

（一）采用重抽樣方法（有放回抽樣）從原始樣本中抽取一定數量的樣本；

（二）根據抽出的樣本計算想要得到的統計量T；

（三）重復上述N次，得到N個統計量T；

（四）根據這N個統計量，即可計算出統計量的置信區間。