[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

本發明提供一種基于分布式光纖測溫原理的海底電纜埋深估計算法，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，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；數據解析模塊，用于估計相對溫度，將其存入分布式數據庫中，作為后續計算的數據源；數據庫IO模塊，用于原始數據和預處理的因子數據的存取；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；本發明可節省勞動力，減少數據處理時間，提高數據處理效率。

技術領域

本發明涉及一種海底電纜埋深估計算法領域，尤其是基于分布式光纖測溫原理的海底電纜埋深估計算法。

背景技術

隨著經濟社會的不斷發展，各類海上和海底工程項目的建設都在有序進展，方興未艾，但是相對于陸地，人類在水下環境工作的困難和危險程度都要更高，特別是海洋環境更為復雜，也更容易遇到意外風險；目前在使用的海底埋深方法有：有限元技術和工程類比法，通過氣象、水文和環境條件獲得水利參數值等進行海底埋深計算，但是要據此建立分析模型，進行動力學計算，比較復雜。

發明內容

為解決上述問題，本發明提供一種基于分布式光纖測溫原理的海底電纜埋深估計算法，可節省勞動力，減少數據處理時間，提高數據處理效率。

為解決上述技術問題，本發明的實施例提供一種基于分布式光纖測溫原理的海底電纜埋深估計算法，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取；

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。

其中，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。

其中，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。

其中，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。

其中，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。

其中，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。

其中，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；