申请/专利权人：西南石油大学

申请日：2022-06-24

公开（公告）日：2024-02-06

公开（公告）号：CN115099337B

主分类号：G06F18/25

分类号：G06F18/25;G06N3/09;G01N33/22

优先权：

专利状态码：有效-授权

法律状态：2024.02.06#授权;2022.10.14#实质审查的生效;2022.09.23#公开

摘要：本发明提供一种多参数数据融合的井喷现场气体燃爆监测方法，该方法通过多类气体传感器实时采集到的井喷现场气体浓度数据，在处理分析后获得信号的幅度和能量大小；再建立基于人工藻类优化算法的广义回归神经网络模型，将气体浓度信号幅度和能量的大小用于训练基于人工藻类优化算法的广义回归神经网络模型，利用模型获得气体浓度预测值，通过输入相应气体的体积分数到训练好的井喷现场实时气体燃爆状态判断模型中，得到井喷现场实时气体燃爆状态。本发明可以自动判断井喷现场实时气体燃爆状态，大大提高了燃爆状态判断的准确性，实时性好，稳定性高。

主权项：1.一种多参数数据融合的井喷现场气体燃爆监测方法，其特征在于，包括以下步骤：步骤1.对多类气体传感器测得的气体浓度数据进行预处理；首先将数据进行乱序，使样本分布均匀；之后将样本进行划分，样本总数的70％作为训练集，30％作为测试集；最后将数据进行归一化处理，将样本数据进行尺度变换映射到[-1,1]之间；步骤2.建立基于人工藻类优化算法的广义回归神经网络模型并获得相关气体浓度数据的预测值；将训练样本测量的异常数据全部替换成正常值，通过人工藻类优化算法优化广义回归神经网络的光滑参数；步骤3.计算井喷现场混合可燃气体的燃爆上下限；步骤4.建立井喷现场实时气体燃爆状态模型；根据划分好的五种燃爆状态训练井喷现场实时气体燃爆状态判断模型；安全状态：硫化氢气体和烷类气体体积分数趋近于零，氧气体积分数的归一化数据在0.6左右浮动； Pn表示一种可燃气体在混合物中体积分数的预测值；泄漏状态：烷类气体或硫化氢气体的浓度变化率明显提升； 一级燃烧状态：在泄漏的状态的基础上，氧气体积分数的降低证明出现了起火燃烧现象，烷类和烃类气体体积分数的归一化数据在-0.9到-1之间； 二级燃烧状态：在泄露状态的基础上，氧气和二氧化碳体积分数变化率超过0.5，烷类和烃类气体体积分数的归一化数据在-0.9到+∞之间； 燃爆状态：根据下式和气体浓度预测值计算井喷现场混合可燃气体的燃爆下限LEL和燃爆上限UEL： Pn表示一种可燃气体在混合物中的体积分数，LELn表示一种可燃气体的爆炸下限，UELn表示一种可燃气体的爆炸上限；步骤5.判断井喷现场实时气体燃爆状态。

全文数据：

权利要求：

百度查询： 西南石油大学 多参数数据融合的井喷现场气体燃爆分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD