基于深度学习模型的天然气管道阀门内漏识别方法

本发明涉及阀门内漏检测技术领域，尤其涉及基于深度学习模型的天然气管道阀门内漏识别方法，包括采集管道关键位置的压力数据、流量数据和声学数据，构建原始运行数据集；对原始运行数据集进行预处理得到特征数据集；将标注的特征数据集输入包括输入层、多模态特征融合层、动态时空特征提取层、自适应注意力机制层、全连接层和输出层的深度学习模型进行训练。本发明解决现有基于单一传感器的数据检测，存在准确性低、耗时长、漏检和误检率高的问题。