[發明專利]一種分布式光纖溫度異常事件定位方法

有效

• 申請號: 202210352906.4
• 申請日: 2022-04-06
• 公開（公告）號: CN114777947B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 王洪輝;王思波;王翔;王宇航;劉仝;曾尚昆;王奕茹;姚光樂;劉瑛;庹先國
• 申請（專利權）人: 成都理工大學
• 主分類號: G01K11/32
• 分類號: G01K11/32;G01K15/00;G06N3/0464;G06N3/08
• 代理公司: 成都市熠圖知識產權代理有限公司 51290
• 代理人: 鄧昉

本發明公開了一種分布式光纖溫度異常事件定位方法，包括生成由訓練樣本構成的訓練數據集；為訓練樣本設置標簽；構建卷積神經網絡、訓練得到網絡模型；在待測區域布設光纖測溫系統得到與訓練樣本結構相同的子數組；送入卷積神經網絡模型中，得到輸出特征；再對輸出特征映射、二值、偏移、得到多個與輸出特征對應的偏移特征，取余弦相似度最大的偏移特征去查找其在序列P中的位置，作為該子數組對應在傳感光纖上的溫度異常事件定位。本發明可以在不同的背景溫度條件下檢測出溫度異常事件并準確定位溫度異常發生的位置。能有效地減少人工調參繁瑣和不同長度的光纖采集的數據量不適配的問題，提高了異常檢測的正確率和準確率。

技術領域

本發明涉及一種溫度異常事件定位方法，尤其涉及一種分布式光纖溫度異常事件定位方法。

背景技術

因光纖的抗電磁干擾、實時測量和分布式連續測量等特性，分布式光纖測溫系統已經廣泛應用于電網、油氣管道以及核環境等一些特定的、惡劣的環境下的安全監測。分布式光纖溫度傳感技術，英語Raman-based?Distributed?Temperature?Sensing，縮寫為RDTS，每一次采集都能獲取整根光纖上不同位置的溫度信息，其數據量非常大，所以在一些安全監測的系統上，進行溫度異常事件的檢測與定位就顯得尤為重要。

異常檢測通常針對的是單變量時序數據。在各種時序數據中，包括主成分分析PCA、一分類支持向量機OC-SVM、局部異常因子LOF、基于直方圖的異常值分數HBOS、孤立森林Isolation?Forest等算法有非常不錯的效果。然而，如果將RDTS中的每個信號擴展為時序信號，需要對每個信號所對應的時序信號建立模型，并設置對應的模型參數。隨著傳感光纖長度增加，模型數量也隨之增加，使得參數調整繁瑣，限制了方法使用的廣度，也割裂了各測量值之間的相關性，導致定位效率低、精度低。

發明內容

本發明的目的就在于提供一種解決上述問題，能有效地提高分布光纖中溫度異常事件檢測及定位精度的，一種分布式光纖溫度異常事件定位方法。

為了實現上述目的，本發明采用的技術方案是這樣的：一種分布式光纖溫度異常事件定位方法，包括以下步驟：

（1）生成訓練數據集；

（11）將光纖測溫系統的傳感光纖置于恒溫水箱中，預設數個背景溫度和數個異常溫度，所述光纖測溫系統每次采集得到一長度為L×2的數組，每列數據對應傳感光纖上一位置信息，且L個位置信息構成一長度為L的位置序列；

（12）在每個背景溫度下采集多次，每次得到一背景溫度數組，共A個背景溫度數組，在每個異常溫度下采集多次，每次得到一異常溫度數組，共B個異常溫度數組；

（13）將背景溫度數組和異常溫度數組歸一化處理、對位置序列歸一化處理得到序列P；

（14）將歸一化后的背景溫度數組，分別與序列P構成一L×3的數組，共A個，作為A類數組；將歸一化后的異常溫度數組，分別與序列P構成一L×3的數組，共B個，作為B類數組；

（15）將每個B類數組分為數個長度為M的區間，在每個區間內任選一段作為異常溫度范圍，用異常溫度范圍內的數據替換A類數組對應位置處的數據，形成替換樣本；

（16）將所有替換樣本和A類數組，均分成大小為M×3的訓練樣本，所有訓練樣本構成訓練數據集；

（2）為每個訓練樣本設置標簽，標簽長度為M，訓練樣本第j列若為異常溫度范圍內數據，則其標簽第j位為0，否則為1，j=1~M；

（3）構建一卷積神經網絡、訓練得到網絡模型；

所述卷積神經網絡包括多層卷積網絡和一個全連接層，所述多層卷積網絡由多個卷積層構成，輸入大小為M×3，輸出大小為512，所述全連接層輸出大小為M；