摘要
本发明涉及电数字数据处理技术领域,具体涉及基于物联网的储油罐泄漏检测方法及系统,包括:采集各储油罐在不同时刻下的多项参数数据,将各储油罐在同一时刻下的多项参数数据作为一个数据点;将各数据点划分为正常数据点和异常数据点,对异常数据点进行聚类,以得到多个聚类簇;将各储油罐的数据点输入改进的机器学习模型,输出泄漏概率,若泄漏概率超过设定阈值,则判定为异常储油罐。改进的机器学习模型包括高斯核函数,该函数与参数的有效度及泄漏程度呈反相关;有效度表征参数的异常程度,泄漏程度表征聚类簇与正常数据点之间的差异。本发明解决了对储油罐进行泄漏检测准确性和效率不高的问题。
技术关键词
泄漏检测方法
储油罐
机器学习模型
异常数据点
高斯核函数
计算机程序指令
电数字数据处理技术
DBSCAN算法
泄漏检测系统
支持向量机模型
梯度下降法
预测误差
聚类
超参数
存储器
训练集
处理器
油气
系统为您推荐了相关专利信息
融合机器学习
多尺度
分析方法
渐进损伤模型
机器学习模型
斯皮尔曼等级相关系数
特征选择
铁芯
电流互感器故障
电流互感器信号
热泵干燥机
山楂饼
智能控制系统
控制策略
工业互联网通信
流量预测方法
供水管
信号
特征提取模块
历史流量数据
高寒山区
支持向量机模型
机制
ArcGIS平台
表达式