基于卷积长短期记忆网络的泄漏监测算法研究

• 作者: 韩佳豪 陈小华 姜海斌 李霖 李振 张皓 赵涓涓
• 来源期刊: 太原理工大学学报
• 关键词: 长输管道泄漏监测 卷积神经网络 长短期记忆神经网络 压力坡降线
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 信息与计算机
• 页码范围: 924-932
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2022.05.018

摘要

针对长距离输送管道的应用中，沿线参数无法逐点测量，采用显式数学模型的方法并不完全能获得全部准确数值，提出一种基于卷积长短期记忆网络(CNN-LSTM)的流量预测方法。该方法使用CNN网络拟合空间特征，LSTM探索时间特征。采用从实际运行管道中收集的真实数据训练出对应的深度学习模型，从而可根据沿线压力梯度预测流量，误差范围为0.3%～0.7%管道输量。将该模型用于泄漏监测，可以通过连续监测预测与实际流量之间的偏差发现管道泄漏。确定泄漏点位置时采用了基于相关压力点之间曲线距离算法。在实际管道上的现场测试表明，新算法不仅稳定有效，而且在管道设备运行过程中不会产生错误报警。