公开(公告)号：CN115164115B

公开(公告)日：2024-08-02

申请号：CN202210781798.2

申请日：2022-07-05

Applicant: 福州大学

Inventor： 吴隆平 ,  滕霖 ,  李卫东 ,  王良旭 ,  潘秋 ,  张博博

IPC: F17D5/02 ,  F17D5/00 ,  F17D3/00

Abstract: 本发明提出一种基于物理模型驱动机器学习的燃气管道泄漏速率预测方法，包括：(1)基于等熵阻塞模型建立可预测燃气管道泄漏速率的物理模型；(2)基于该物理模型产生大量管道泄漏数据；(3)采用粒子群算法优化的支持向量机（PSO‑SVM）和简化处理的卷积神经网络（CNN）分别对物理模型生成的大量数据进行学习；(4)得到基于机器学习模型的燃气管道泄漏速率预测方法；(5)进一步对机器学习模型的适应性进行研究；(6)进行模型参数选择以及模型预测分析；(7)测试模型的泛化能力并进行实验验证；(8)根据实验数据和模拟结果的对比，对模型进行修正，最终确定实用性模型。其实现了更精确预测燃气管道泄漏速率的预测方法。

公开(公告)号：CN115164115A

公开(公告)日：2022-10-11

申请号：CN202210781798.2

申请日：2022-07-05

Applicant: 福州大学

Inventor： 吴隆平 ,  滕霖 ,  李卫东 ,  王良旭 ,  潘秋 ,  张博博

IPC: F17D5/02 ,  F17D5/00 ,  F17D3/00

Abstract: 本发明提出一种基于物理模型驱动机器学习的燃气管道泄漏速率预测方法，包括：(1)基于等熵阻塞模型建立可预测燃气管道泄漏速率的物理模型；(2)基于该物理模型产生大量管道泄漏数据；(3)采用粒子群算法优化的支持向量机（PSO‑SVM）和简化处理的卷积神经网络（CNN）分别对物理模型生成的大量数据进行学习；(4)得到基于机器学习模型的燃气管道泄漏速率预测方法；(5)进一步对机器学习模型的适应性进行研究；(6)进行模型参数选择以及模型预测分析；(7)测试模型的泛化能力并进行实验验证；(8)根据实验数据和模拟结果的对比，对模型进行修正，最终确定实用性模型。其实现了更精确预测燃气管道泄漏速率的预测方法。