科研之友
微信
新浪微博
Facebook
分享链接
摘要
天然气管道泄漏监测进入大数据时代,深度学习能够利用深度神经网络实现特征的自动提取和数据分类,在图像、自然语言处理等领域获得广泛应用。针对传统方法存在采集数据冗余、特征提取和识别受主观因素影响以及计算效率方面存在不足等问题,结合深度学习理论,提出一种改进的深度稀疏滤波模型来实现天然气管道泄漏智能检测识别。首先根据管道泄漏信息提取频域样本,利用样本数据训练改进的稀疏滤波,用He初始值抑制网络学习中的过拟合问题;再通过批标准化技术中平移和缩放参数调整网络隐层激活值的分布,使深度稀疏滤波更有效地进行学习;最后采用两组管道泄漏试验来验证提出方法的性能。研究结果表明,该方法可以快速有效地提取数据特征,实现准确识别泄漏孔径和定位检测,并获得比其他方法更高的准确率。
-
单位电子工程学院; 山东科技大学
