[发明专利]基于集成学习时间序列预测的隧道事件检测方法

权利要求书

1.一种基于集成学习时间序列预测的隧道事件检测方法，包括如下过程：

(1)对收集的高速公路隧道烟雾浓度、一氧化碳浓度、车流量和风速的传感器周期性检测数据进行数据修补预处理，形成隧道传感器训练数据集；

(2)利用集成学习方法根据隧道传感器训练数据集训练出L个基预测器，1≤L≤20，由基预测器加权组合形成强预测器：

(2a)设{(x_i，y_i)，i＝1，2，...，n}为训练样本集，根据训练样本集分布权重D_t(x_i)抽取训练样本训练基预测器f_t(x)：X→Y；

(2b)计算基预测器f_t(x)的损失函数L_t(x_i)：

(2c).计算训练样本y与对应预测值y′的相关系数ρ_t(y′，y)：

式中y、y′分别为训练样本的检测值和预测值， 为样本x_i，的均值；

(2d).利用相关系数ρ_t(y′，y)及损失函数L_t(x_i)计算下一轮样本分布权重D_t+1(x_i)：

式中Z_t为标准化因子；

(2e).重复3a至3d步骤训练出L个基预测器； 

(3f).利用相关系数确定L个基预测器f_t(x)：X→Y，t＝1，2，...，L的权重，根据权重对基预测器加权组合，形成强预测器F(x)：

(3)根据当前t时刻高速公路隧道传感器的检测值，利用强预测器计算t+1时刻隧道的烟雾浓度预测值，并根据预测误差动态调整参与集成的基预测器，形成新的强预测器；

(4)将t+1时刻的隧道烟雾浓度预测值与烟雾浓度阈值比较，当该预测值大于阈值，则判为烟雾浓度超标事件，否则隧道运营正常；

(5)对于t+1时刻的烟雾浓度超标事件，利用比例积分微分控制参数判定算法计算其比例参数K_p、积分参数K_i及微分参数K_d，并传输给变频通风控制器进行通风控制。

2.根据权利要求1所述的隧道事件检测方法，其中步骤(1)按如下过程进行：

(1a).对烟雾浓度、一氧化碳浓度、车流量和风速传感器实时检测数据采用多测点运行参数法进行数据修补。

(1b).对用于集成学习的隧道交通历史检测数据采用时间序列加权法修补。

3.根据权利要求1所述的隧道事件检测方法，其中步骤(3)按如下过程进行：

(3a)利用当前强预测器F(x)以烟尘浓度、一氧化碳浓度、车流量和风速在当前时刻t的值、时刻t-1的差值及时刻t-2的差值为输入，计算输出时刻t+1的隧道传感器烟雾浓度预测值； 

(3b)将烟雾浓度预测值的均方根误差与门限阈值λ进行比较，判断当前强预测器F(x)是否失效，若不失效，则重复(3a)，若失效则选择预测器重新组合形成新的强预测器F(x)，选择判断条件为：

式中μ为基预测器选择阈值；

(3c)若重新组合的新的强预测器F(x)失效，则重复步骤(2a)至(2d)训练新的基预测器，对新基预测器加权组合形成新强预测器F(x)；

(3d)重复3a至3c步骤，计算t+1时刻隧道烟雾浓度预测值。