申请/专利权人：合肥泽众城市智能科技有限公司

申请日：2023-12-05

公开（公告）日：2024-04-05

公开（公告）号：CN117828460A

主分类号：G06F18/2413

分类号：G06F18/2413;G06F18/10;G06F18/213;G06F18/23213;G06Q50/06;G06N20/00;F17D5/00;F17D5/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于机器学习提取典型事件特征的燃气沼气辨识方法，包括以下步骤:步骤一、数据采集：对安装在燃气管线相邻地下空间监测设备实时监测获取到的甲烷报警数据进行采集；步骤二、数据预处理：将采集到的甲烷报警数据进行预处理，包括缺失值填补、异常值处理和数据重采样；步骤三、构建样本数据库：基于预警事件现场核实结果，将历史甲烷预警事件分为燃气泄漏与沼气聚集，并将甲烷报警浓度数据纳入各事件对应样本库中，构建燃气泄漏与沼气聚集样本数据库；本发明提取大量燃气泄漏、沼气聚集事件样本特征，构建了燃气泄漏、沼气聚集事件样本库，并采用机器学习算法进行模型训练，辨识结果也更有依据，准确率也更高。

主权项：1.一种基于机器学习提取典型事件特征的燃气沼气辨识方法，其特征在于，包括以下步骤:步骤一、数据采集：对安装在燃气管线相邻地下空间监测设备实时监测获取到的甲烷报警数据进行采集；步骤二、数据预处理：将采集到的甲烷报警数据进行预处理，包括缺失值填补、异常值处理和数据重采样；步骤三、构建样本数据库：基于预警事件现场核实结果，将历史甲烷预警事件分为燃气泄漏与沼气聚集，并将甲烷报警浓度数据纳入各事件对应样本库中，构建燃气泄漏与沼气聚集样本数据库；步骤四、典型特征画像：从样本数据库中甲烷报警曲线特征提取时域特征和频域特征，基于K-Means聚类分析筛选典型事件特征；步骤五、模型构建与训练：基于典型事件特征，利用KNN算法进行机器学习预测，构建燃气沼气辨识模型，完成对燃气沼气的辨识。

全文数据：

权利要求：

百度查询： 合肥泽众城市智能科技有限公司 一种基于机器学习提取典型事件特征的燃气沼气辨识方法

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