(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111245025.4 (22)申请日 2021.10.26 (65)同一申请的已公布的文献号 申请公布号 CN 113988170 A (43)申请公布日 2022.01.28 (73)专利权人 国家石油天然气管网集团有限公 司 地址 100013 北京市朝阳区东土城路5号A 座6层08-10室 (72)发明人 付亚平　刘勇　李建君　冯伟　 郑大海　陈加松　王春光　张超　 董旭　 (74)专利代理 机构 苏州科权知识产权代理事务 所(普通合伙) 32561 专利代理师 卢平　施王蓉(51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) 审查员 韩征 (54)发明名称 一种光纤预警系统事 件分类机器学习算法 (57)摘要 本发明公开了一种光纤预警系统事件分类 机器学习算法， 其涉及油气管道输送 安全监测技 术领域， 旨在解决管道点多线长面广的特点， 不 可能发生危害事件立刻能到达 现场进行跟踪， 导 致对信号标注 不准确的问题， 其技术方案要点是 包括特征提取模块， 分类器结构 模块和训练数据 库模块， 所述特征提取模块内部包括有分段能量 占比单元、 能量单元、 信号连续性单元、 时间标记 单元、 传感器序号单元和光缆埋深单元， 所述分 类器结构 模块内部包括有预处理分类器、 主分类 器、 防误报分类器和防漏报分类器， 所述训练数 据库模块内部包括有信号定义数据库、 日常事件 数据库、 纠偏数据库一和纠偏数据库二。 达到了 分辨故障事 件和信息快速准确筛 选的效果。 权利要求书2页 说明书5页 附图5页 CN 113988170 B 2022.12.23 CN 113988170 B 1.一种光纤预警系统事件分类机器学习算法， 包括特征提取模块 （1） ， 分类器结构模块 （2） 和训练数据库模块 （3） ， 其特征在于： 所述特征提取模块 （1） 内部包括有分段能量占比单 元 （11） 、 能量单元 （12） 、 信号连续性单元 （13） 、 时间标记单元 （14） 、 传感器序号单元 （15） 和 光缆埋深单元 （16） ， 所述分类器结构模块 （2） 内部包括有预处理分类器 （21） 、 主分类器 （22） 、 防误报分类器 （23） 和防漏报分类器 （24） ， 所述训练数据库模块 （3） 内部包括有信号定 义数据库 （31） 、 日常事件数据库 （32） 、 纠偏数据库一 （33） 和纠偏数据库二 （34） ， 其算法如 下： S1： 信号收集及 预处理分类， 光纤预警系统全量数据 （201） 进入预处理分类器 （21） 内部 进行分类处理， 将全量数据分为有待继续分类的振动信号 （202） 和绝地安全的无振动事件 （203） ， 预 处理分类器 （21） 模 型训练库为所有采集到的信号组成的集合进行提取， 具有振动 特征的标记为 正样本， 纯噪声信号标记为负 样本； S2:危险信号的分类： 振动信号 （202） 进入主分类器 （22） 内部进行分离， 主分类器 （22） 模型训练数据库为日常事件 数据库 （32） ， 日常事件 数据库 （32） 是信号定义数据库 （31） 中的 正样本， 经过核实为安全事件信号的标记为正样本， 经过核实为危险事件信号的标记为负 样本， 数据经 过主分类 器 （22） 后分为中间安全信号 （204） 和中间危险信号 （20 5） ； S3： 危险信号 防误报分类： 中间危险信号 （205） 进入防误报分类器 （23） ， 防误报分类器 （23） 模型训练数据库是经过现场核实的误报事件、 经过现场核实的危害事件组成， 其中经 过现场核实的误报事件信号标记为正样本， 经过现场核实的危害事件信号标记为负样本， 中间危险信号 （205） 通过防误报分类器 （23） 后得到最终安全信号一 （206） 和最终危险信号 一 （207） ； S4： 安全信号 防漏报分类： 中间安全信号 （204） 进入防漏报分类器 （24） 进行分类， 防漏 报分类器 （2 4） 模型训练数据库是由现场核实的危害事件信号， 相同数据条目的经过核实的 安全事件信号组成， 其中经过现场核实的漏事件信号标记为负样本， 经过现场核实的危害 事件信号标记 为负样本， 经过核实的安全事件信号为正样 本， 中间安全信号 （204） 通过防漏 报分类器 （24） 后得到最终安全信号 二 （208） 和最终危险信号 二 （209） 。 2.根据权利要求1所述的光纤预警系统事件分类机器学习算法， 其特征在于： 所述分段 能量占比单元 （11） 用于将信号频谱等分成十等段， 所述能量单元 （12） 用于反映信号的幅 值， 即振动信号 （202） 的幅度， 所述信号连续性单元 （13） 用于把信号等分为十段， 并记录信 号连续特 征。 3.根据权利要求1所述的光纤预警系统事件分类机器学习算法， 其特征在于： 所述 时间 标记单元 （14） 用于采集信号时间， 并反应现场活动时间特性， 所述传感器序号单元 （15） 用 于收集传感器位置信息， 并对每个独立传感单元进行顺序标号， 所述光缆埋深单元 （16） 用 于对应传感器序号所在实际位置进行光 缆埋深。 4.根据权利要求1所述的光纤预警系统事件分类机器学习算法， 其特征在于： 所述预处 理分类器 （21） 用于区分有振动信号 （202） 和无振动事件 （203） ， 所述预处理分类器 （21） 数据 库为信号定义数据库 （31） 。 5.根据权利要求1所述的光纤预警系统事件分类机器学习算法， 其特征在于： 所述主分 类器 （22） 用于区分振动信号 （202） 是否有危害性， 所述主分类器 （22） 的数据库为日常事件 数据库 （32） 。权　利　要　求　书 1/2 页 2 CN 113988170 B 26.根据权利要求1所述的光纤预警系统事件分类机器学习算法， 其特征在于： 所述防误 报分类器 （23） 用于判断在信号推理过程中主分类器 （22） 中判断为危害事件的信号属实情 况， 所述防误报分类 器 （23） 的数据库为纠偏数据库一 （3 3） 。 7.根据权利要求1所述的光纤预警系统事件分类机器学习算法， 其特征在于： 所述防漏 报分类器 （24） 用于判断在信号推理过程中主分类器 （22） 中判断为安全事件的信号属实情 况， 所述防漏报分类 器 （24） 数据库为纠偏数据库二 （34） 。权　利　要　求　书 2/2 页 3 CN 113988170 B 3