基于深度迁移学习的复杂环境下油气管道周界入侵事件识别

• 作者: 付磊 孙洁娣 李刚 杨文明 温江涛 王涛
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 管道安全监测 深度迁移学习 复杂运行环境 入侵事件识别
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 基于状态监测和测试的系统健康管理
• 页码范围: 12-19
• 页数: 8页
• 分类号: TP391.4|TH865
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J1905241

摘要

长输油气管道沿途运行环境复杂,传统方法中假设的标准样本与实际样本分布一致的前提遭到破坏,导致单一的识别模型在不同环境下对入侵事件识别准确率降低.为了改善识别模型偏差问题,提出一种基于域不变特征深度迁移学习的管道入侵事件识别方法,通过堆叠稀疏自编码网络实现不同环境条件下的入侵事件自适应特征提取,并引入迁移学习实现复杂环境中入侵事件的准确识别.该方法通过场景差异性评测,缩小复杂真实场景与典型场景间分布差异,获得有效的域不变模型.实验结果表明,所提方法能明显改善复杂环境下油气管道入侵事件识别效果,提高识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李刚		41	192	9.0	10.0
2	孙洁娣		32	285	9.0	15.0
3	温江涛		27	199	9.0	12.0
4	王涛		16	72	6.0	8.0
5	付磊		4	2	1.0	1.0
6	杨文明		1	0	0.0	0.0