[发明专利]一种综合管廊内部氧气浓度LSTM预测方法及系统

说明书

本发明提供一种综合管廊内部氧气浓度LSTM预测方法及系统，所述方法包括：获取综合管廊内部氧气浓度数据、管廊内部微生物密度数据、传感器位置数据和综合管廊位置数据；对所获取的综合管廊内部氧气浓度数据、管廊内部微生物密度数据、传感器位置数据和综合管廊位置数据进行预处理并形成氧气浓度特征向量；以Tanh为激励函数训练LSTM模型；将氧气浓度特征向量输入至LSTM模型中并对应输出综合管廊内部氧气浓度的预测数据。本发明能够通过具有长短期记忆单元的递归神经网络构建模型，适应综合管廊内部氧气浓度数据的动态特性，实现对综合管廊内氧气浓度数据长期准确的提前预估，提高预测结果的准确性，防止因综合管廊内部氧气浓度过低引起的安全问题。

技术领域

本发明涉及综合管廊技术领域，尤其涉及一种综合管廊内部氧气浓度LSTM预测方法及系统。

背景技术

城市地下综合管廊又称“共同沟”，是敷设于地面下的一种构筑物，它可容纳电信、电力、供水、热力等多种公共管线，并拥有完备的排水、照明、通讯、监控等设施。地下综合管廊是为确保道路功能充分发挥，有效利用城市地下空间，改善城市环境，增强城市防震抗灾能力，确保城市安全运转而产生的市政基础设施。截止到目前，全国各地已经建成的地下综合管廊廊体在1000公里以上；在建地下综合管廊的廊体超过5000公里；预计到“十三五”末，全国地下综合管廊建设总里程将超过8000公里。自1958年建设国内第一条地下综合管廊开始，北京已建成并运营的地下综合管廊有7条，总里程超过20公里。2017年，包含王府井大街地下综合管廊、新机场高速地下综合管廊、世园会园区地下综合管廊在内的7个地下综合管廊项目被列入北京市重点工程。预计到2020年，北京市地下综合管廊建设将初具规模，规划建设区域遍布全市范围。

由于管廊敷设于地下，且各种管线共处于同一密闭环境中，管廊内部环境的各种参数之间存在高度复杂的相互作用，管廊内部环境的各种数据存在不确定性与随机性，因此，采用传统的概率统计法、灰色预测法、马尔科夫链、时间序列法模型无法充分考虑管廊内部环境数据变化的时间序列属性，所以导致无法对综合管廊内部氧气浓度进行准确预估，进而由于氧气浓度过低导致严重的安全问题。

发明内容

本发明提供的综合管廊内部氧气浓度LSTM预测方法及系统，能够通过具有长短期记忆单元的递归神经网络构建模型，适应综合管廊内部氧气浓度数据的动态特性，进而实现对综合管廊内氧气浓度数据长期准确的提前预估，同时还能够极大提高预测结果的准确性，有效地防止因综合管廊内部氧气浓度过低引起的安全问题；并且所述方法通用性强、成本低、适用性广泛、适合广泛的推广应用。

第一方面，本发明提供一种综合管廊内部氧气浓度LSTM预测方法，包括：

获取综合管廊内部氧气浓度数据、管廊内部微生物密度数据、传感器位置数据和综合管廊位置数据；

对所获取的综合管廊内部氧气浓度数据、管廊内部微生物密度数据、传感器位置数据和综合管廊位置数据进行预处理并形成氧气浓度特征向量；

以Tanh为激励函数训练LSTM模型；

将氧气浓度特征向量输入至LSTM模型中并对应输出综合管廊内部氧气浓度的预测数据。

可选地，所述对所获取的综合管廊内部氧气浓度数据、管廊内部微生物密度数据、传感器位置数据和综合管廊位置数据进行预处理并形成氧气浓度特征向量包括：

以时间为基准查找综合管廊内部氧气浓度数据、管廊内部微生物密度数据、传感器位置数据和综合管廊位置数据中所缺失的数据并补齐；

将完整的综合管廊内部氧气浓度数据、管廊内部微生物密度数据、传感器位置数据和综合管廊位置数据分别进行标准化处理，并形成氧气浓度特征向量。

可选地，所述以时间为基准查找综合管廊内部氧气浓度数据、管廊内部微生物密度数据、传感器位置数据和综合管廊位置数据中所缺失的数据并补齐包括：