Print

基于深度迁移学习的复杂环境下油气管道周界入侵事件识别

论文摘要

长输油气管道沿途运行环境复杂,传统方法中假设的标准样本与实际样本分布一致的前提遭到破坏,导致单一的识别模型在不同环境下对入侵事件识别准确率降低。为了改善识别模型偏差问题,提出一种基于域不变特征深度迁移学习的管道入侵事件识别方法,通过堆叠稀疏自编码网络实现不同环境条件下的入侵事件自适应特征提取,并引入迁移学习实现复杂环境中入侵事件的准确识别。该方法通过场景差异性评测,缩小复杂真实场景与典型场景间分布差异,获得有效的域不变模型。实验结果表明,所提方法能明显改善复杂环境下油气管道入侵事件识别效果,提高识别准确率。

论文目录

  • 0 引言
  • 1 基于堆叠稀疏自编码的入侵事件特征提取
  •   1.1 稀疏自编码原理
  •   1.2 堆叠稀疏自编码特征提取
  • 2 基于迁移学习的入侵事件识别
  •   2.1 基于特征映射的迁移学习
  •   2.2 特征分布适配
  •     1)联合概率分布适配
  •     2)多核概率分布适配
  •   2.3 迁移学习模型的构建与训练
  • 3 实验结果与分析
  •   3.1 实验情况介绍
  •   3.2 数据处理结果
  •   3.3 本文方法与常用方法比较
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 温江涛,王涛,孙洁娣,付磊,李刚,杨文明

    关键词: 管道安全监测,深度迁移学习,复杂运行环境,入侵事件识别

    来源: 仪器仪表学报 2019年08期

    年度: 2019

    分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

    专业: 材料科学,自动化技术

    单位: 燕山大学河北省测试计量技术及仪器重点实验室,燕山大学河北省信息传输与信号处理重点实验室,中国石油天然气管道通信电力工程有限公司

    基金: 国家自然科学基金(51475407,51605419,61701429),河北省自然科学基金(E2018203433,F2018203137),河北省引进留学人员项目(C201827),天津市重点研发计划(19YFSLQY00080)资助项目

    分类号: TP18;TB34

    DOI: 10.19650/j.cnki.cjsi.J1905241

    页码: 12-19

    总页数: 8

    文件大小: 364K

    下载量: 186

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/3e029c10a6425a51f8697bbf.html