一种基于神经网络的LDAR数据管理方法、系统及设备与流程

本发明涉及石油化工行业的数据管理，具体为一种基于神经网络的ldar数据管理方法、系统及设备。

背景技术：

1、ldar（leak detection and repair，泄漏检测与修复）数据是指在石化行业中，通过对潜在泄漏密封点进行检测，收集并记录的关于泄漏情况、检测过程、修复措施等的数据。这些数据对于评估设备状态、减少挥发性有机物（vocs）排放、优化维护策略等方面具有重要意义。

2、然而，传统的ldar数据管理方法存在数据处理效率低、分析结果不够精确等问题。因此，需要一种更为高效、智能的数据管理方法，以更好地支持ldar工作的实施。

3、鉴于此，有必要对现有的ldar数据管理方法进行改进。

技术实现思路

1、本发明旨在至少在一定程度上解决现有技术中的技术问题之一，通过提出一种基于神经网络的ldar数据管理方法、系统及设备，通过神经网络技术优化ldar数据的收集、处理、分析及应用过程，实现泄漏检测的自动化、智能化，提高泄漏检测的准确性及效率。

2、为实现上述目的，第一方面，本申请提供一种基于神经网络模型的ldar数据管理方法，，包括：

3、s1：收集ldar数据并进行预处理；

4、s2：计算ldar数据中出现异常的异常系数，并根据异常系数对异常特征数据进行标注，生成数据样本集，将数据样本集划分为分割成训练集、验证集与测试集；

5、s3：构建用于进行石化装置检测的神经网路模型，将训练集中的异常特征数据和训练集中的标注信息输入到神经网路模型中，通过所述训练集训练神经网路模型的最佳参数，通过所述验证集评估和优化神经网路模型，通过所述测试集判断生成的神经网路模型的准确性；

6、s4：将待测的ldar数据输入到最终生成的神经网络模型中，通过所述神经网络模型自动识别出泄漏检测结果，并输出泄漏的异常程度。

7、进一步地，收集的ldar数据包括：检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据。

8、进一步地，对检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据进行预处理，包括：

9、去除检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据中重复、错误或无效的数据；

10、填充检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据中缺失值；

11、将检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据进行数据中不同量纲的数据进行标准化处理。

12、进一步地，填充检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据中缺失值的表达式为：

13、 式中，为检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据中缺失值其中任一种的异常特征数据值；表示向量的平均值。

14、进一步地，所述计算ldar数据中出现异常的异常系数包括：

15、根据孤立树，构建孤立森林，通过孤立森林计算检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据中出现异常的异常系数。

16、进一步地，构建用于进行石化装置检测的神经网路模型，包括：包括输入层、若干隐藏层和输出层；

17、其中，所述输入层接收ldar数据，所述隐藏层采用卷积神经网络cnn结构，对ldar数据中的异常特征数据进行提取和学习，所述输出层输出泄漏检测结果和泄漏的异常程度。

18、进一步地，所述隐藏层还包括对特征进行非线性融合，表达式为：

19、 式中，为隐藏层的激活输出，为非线性激活函数，为特征数据的矩阵，a表示前一层的输出或当前层的输入，b为偏置。

20、进一步地，所述神经网路模型的表达式为：

21、；

22、其中，为输入到隐藏层的可学习参数；为特征数据的矩阵；，r为邻接矩阵，为单位矩阵，为度矩阵；为激活函数，为dropout层，为置零的概率；为全局最大池化。

23、第二方面，本申请还提供一种基于神经网络模型的ldar数据管理系统，包括：

24、数据收集模块：收集ldar数据并进行预处理；

25、数据预处理模块：计算ldar数据中出现异常的异常系数，并根据异常系数对异常特征数据进行标注，生成数据样本集，将数据样本集划分为分割成训练集、验证集与测试集；

26、模型构建模块：构建用于进行石化装置检测的神经网路模型，将训练集中的异常特征数据和训练集中的标注信息输入到神经网路模型中，通过所述训练集训练神经网路模型的最佳参数，通过所述验证集评估和优化神经网路模型，通过所述测试集判断生成的神经网路模型的准确性；

27、检测模块：将待测的ldar数据输入到最终生成的神经网络模型中，通过所述神经网络模型自动识别出泄漏检测结果，并输出泄漏的异常程度。

28、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于神经网络模型的ldar数据管理方法。

29、本发明的有益效果：与现有技术相比，本发明提供了一种基于神经网络的ldar数据管理方法、系统及设备，利用神经网络模型对ldar数据进行深度学习和分析，实现泄漏检测的自动化和智能化，提高泄漏检测的准确性及效率。具体有益效果如下：

30、通过构建的用于进行石化装置检测的神经网路模型对ldar数据进行深度学习和分析，能够更准确地识别出泄漏点，降低误报率和漏报率；

31、根据神经网络模型输出的泄漏检测结果和泄漏的异常程度，有利于作出针对性的修复建议，缩短修复时间，提高修复效率；

32、通过智能化的数据管理方法，优化人力、物力等资源的配置，降低ldar工作的成本；

33、有利于为石油化工企业管理层提供全面的ldar数据分析报告，为制定科学合理的决策提供依据。

技术特征：

1.一种基于神经网络模型的ldar数据管理方法，其特征在于，包括：

2.根据权利要求1所述的一种基于神经网络模型的ldar数据管理方法，其特征在于，收集的ldar数据包括：检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据。

3.根据权利要求2所述的一种基于神经网络模型的ldar数据管理方法，其特征在于，对检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据进行预处理，包括：

4.根据权利要求3所述的一种基于神经网络模型的ldar数据管理方法，其特征在于，填充检测数据、台账数据、复测数据、仪器校准数据以及环境本底值数据中缺失值的表达式为：

5.根据权利要求3所述的一种基于神经网络模型的ldar数据管理方法，其特征在于，所述计算ldar数据中出现异常的异常系数包括：

6.根据权利要求1所述的一种基于神经网络模型的ldar数据管理方法，其特征在于，构建用于进行石化装置检测的神经网路模型，包括：包括输入层、若干隐藏层和输出层；

7.根据权利要求6所述的一种基于神经网络模型的ldar数据管理方法，其特征在于，所述隐藏层还包括对特征进行非线性融合，表达式为：

8.根据权利要求6所述的一种基于神经网络模型的ldar数据管理方法，其特征在于，所述神经网路模型的表达式为：

9.一种基于神经网络模型的ldar数据管理系统，其特征在于，包括：

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一所述的基于神经网络模型的ldar数据管理方法。

技术总结本发明公开了一种基于神经网络的LDAR数据管理方法、系统及设备，涉及石油化工行业的数据管理技术领域，包括：收集LDAR数据并进行预处理；计算LDAR数据中出现异常的异常系数，并根据异常系数对异常特征数据进行标注，生成数据样本集，构建用于进行石化装置检测的神经网路模型，并基于数据样本集进行训练优化及测试，将待测的LDAR数据输入到最终生成的神经网络模型中，通过神经网络模型自动识别出泄漏检测结果，并输出泄漏的异常程度。本发明实现了更为高效、智能的数据管理方法。技术研发人员：苏稳,高玉滚,李鸿健,尹士飞,王强受保护的技术使用者：山东圣喆环境科技有限公司技术研发日：技术公布日：2024/11/18