[发明专利]一种光纤预警系统事件分类机器学习算法

说明书

本发明公开了一种光纤预警系统事件分类机器学习算法，其涉及油气管道输送安全监测技术领域，旨在解决管道点多线长面广的特点，不可能发生危害事件立刻能到达现场进行跟踪，导致对信号标注不准确的问题，其技术方案要点是包括特征提取模块，分类器结构模块和训练数据库模块，所述特征提取模块内部包括有分段能量占比单元、能量单元、信号连续性单元、时间标记单元、传感器序号单元和光缆埋深单元，所述分类器结构模块内部包括有预处理分类器、主分类器、防误报分类器和防漏报分类器，所述训练数据库模块内部包括有信号定义数据库、日常事件数据库、纠偏数据库一和纠偏数据库二。达到了分辨故障事件和信息快速准确筛选的效果。

技术领域

本发明涉及油气管道输送安全监测技术领域，尤其是涉及一种光纤预警系统事件分类机器学习算法。

背景技术

随着我国能源需求的增加和能源结构的变革，石油、天然气在我国能源需求中比例逐年增加，以便捷和经济为特点的石油、天然气的管道运输得到了迅猛发展，在管道输送过程中，管道安全问题至关重要，近十年来，分布式光纤传感的到了应用，基于光纤的传感器以管道伴行光缆作为传感器，能够连续的监测光纤参数，在光缆附近可以进行分布式全面检测，起到对管道的保护作用，其中一种技术为基于瑞利相干的分布式振动传感技术，该技术可以将光缆分数数个独立的传感单元，互不干扰，并采集振动信号。

如图一所示，所述典型的基于瑞利相干干涉的单波长系统内部包括有负责发出单波长的高相干激光光源101，所述高相干激光光源101一端光路连接有用于转换连续激光为脉冲激光的脉冲发生模块102，所述脉冲发生模块102远离高相干激光光源101的一端光路连接有环形器103，所述环形器103一端固定连接有传感光缆104，所述环形器103另一端电性连接有光电探测器105，所述光电探测器105远离环形器103的一端电性连接有数字转换模块106，所述数字转换模块106远离光电探测器105的一端电性连接有用于将传感光缆104线路上振动信号定位的数据处理模块107，该技术能够对土壤振动进行监测，灵敏度较高，在实际应用中，管道不可避免的穿越公路，铁路，河流以及人为活动较多的区域，这些区域的日常活动信号也会产生振动，这导致系统误报率较高，如何区分安全的日常活动信号和对管道、光缆具有危害性的事件信号是该系统的关键技术。

上述中的现有技术方案存在以下缺陷：信号数据量大，信号处理要求实时性，由于管道、光缆安全事件后果较为严重，需要系统进行实时处理，信号样本分布不均衡，发生在管道、光缆上方的振动事件，巨大部分是安全事件，据统计危害事件占比极少，且样本标注困难，由于管道点多线长面广的特点，不可能发生危害事件立刻能到达现场进行跟踪，导致对信号标注不准确。

发明内容

本发明的目的是提供一种降增加信号标注精准度的光纤预警系统事件分类机器学习算法。

为实现上述目的，本发明提供了如下技术方案：

一种光纤预警系统事件分类机器学习算法，包括特征提取模块，分类器结构模块和训练数据库模块，所述特征提取模块内部包括有分段能量占比单元、能量单元、信号连续性单元、时间标记单元、传感器序号单元和光缆埋深单元，所述分类器结构模块内部包括有预处理分类器、主分类器、防误报分类器和防漏报分类器，所述训练数据库模块内部包括有信号定义数据库、日常事件数据库、纠偏数据库一和纠偏数据库二，其算法如下：

S1：信号收集及预处理分类，光纤预警系统全量数据进入预处理分类器内部进行分类处理，将全量数据分为有待继续分类的振动信号和绝地安全的无振动事件，预处理分类器模型训练库为所有采集到的信号组成的集合进行提取，具有振动特征的标记为正样本，纯噪声信号标记为负样本；

S2:危险信号的分类：振动信号进入主分类器内部进行分离，主分类器模型训练数据库为日常事件数据库，日常事件数据库是信号定义数据库中的正样本，经过核实为安全事件信号的标记为正样本，经过核实为危险事件信号的标记为负样本，数据经过主分类器后分为中间安全信号和中间危险信号；