[发明专利]基于SVM与时频域特征的管道沿线第三方施工动态预警方法

权利要求书

1.基于SVM与时频域特征的管道沿线第三方施工动态预警方法，其特征在于，包括以下步骤：

S1、通过管道沿线铺设的分布式光纤传感器实时采集波形数据，并对波形数据进行阈值触发以及数据预处理，获取可疑波段及其对应的可疑防区；

S2、根据可疑波段的波形提取相应的时域特征和频域特征，并获取可疑防区对应的动态时空大数据信息；所述动态时空大数据信息包括时间信息、GIS信息、天气信息和高后果区信息；

S3、将时域特征、频域特征及动态时空大数据信息输入SVM预测模型，实时判断可疑波段的波形对应的振动源是否为第三方施工，以便进行预警。

2.根据权利要求1所述的基于SVM与时频域特征的管道沿线第三方施工动态预警方法，其特征在于，所述步骤S1中，阈值触发包括：

将波形数据，按10s为一小段处理单元，每小段波形前后取40%重叠进行波形分段，判断各小段波形内最大值是否超过预设阈值；若是，则将相应的波形段作为可疑波段；若否，则继续采集波形数据。

3.根据权利要求1所述的基于SVM与时频域特征的管道沿线第三方施工动态预警方法，其特征在于，所述步骤S1中，数据预处理包括依次对可疑波段的波形进行滤波降噪、滑动窗口处理、一阶差分处理。

4.根据权利要求1所述的基于SVM与时频域特征的管道沿线第三方施工动态预警方法，其特征在于，所述步骤S2中，根据可疑波段的波形提取相应的时域特征，包括：

对数据预处理后的可疑波段的波形直接进行时域特征的提取，并对数据预处理后的可疑波段的波形先进行差分处理再进行时域特征的提取，得到可疑波段对应的时域特征。

5.根据权利要求4所述的基于SVM与时频域特征的管道沿线第三方施工动态预警方法，其特征在于，所述时域特征包括波形的最大值、最小值、峰峰值、能量、平均值、绝对平均值、均方根、方差、标准差、峰值因子、偏度因子、间隙因子、波形因子、脉冲因子、裕度因子；

所述频域特征包括频率谱对应的振幅最大值、最小值、中位数、平均数、振幅峰差，振幅峰值对应的频率、重心频率、均方频率、均方根频率、频率方差、频率标准差。

6.根据权利要求5所述的基于SVM与时频域特征的管道沿线第三方施工动态预警方法，其特征在于，所述步骤S2中，得到可疑波段对应的时域特征和频域特征之后，采用主成分分析法PCA进行降维处理，降维至25维，并进行归一化处理。

7.根据权利要求1所述的基于SVM与时频域特征的管道沿线第三方施工动态预警方法，其特征在于，所述时间信息包括是否白天、是否工作日、是否节假日、是否上下班高峰期、是否特殊会议日期，所述时间信息采用独热编码；

所述GIS信息包括：

地质方面：是否农田、是否公路、是否池塘河流、是否城市、是否山林；

附近设施方面：是否存在工厂、是否高速公路、是否有密集活动的场合、附近人流量程度；

光纤掩埋方面：报警点距离、光纤掩埋深度。

8.根据权利要求1所述的基于SVM与时频域特征的管道沿线第三方施工动态预警方法，其特征在于，所述SVM预测模型的训练过程，包括：

采集分布式光纤传感器的历史波形数据，获取正常波形数据和第三方施工作业时刻、高速汽车行驶、工厂轰鸣、动物经过对应的报警波形数据；

对正常波形数据和报警波形数据进行数据预处理之后，提取各类型波形的时域特征和频域特征；

以离线方式将各类型波形的时域特征、频域特征以及各防区的动态时空大数据信息输入SVM模型进行训练，得到SVM预测模型。

9.根据权利要求8所述的基于SVM与时频域特征的管道沿线第三方施工动态预警方法，其特征在于，所述SVM预测模型的训练过程中，通过交叉检验调整SVM模型的相关超参数进行优化，直至SVM预测模型的AUC达到目标值。

10.根据权利要求9所述的基于SVM与时频域特征的管道沿线第三方施工动态预警方法，其特征在于，所述AUC的目标值不小于0.95。