一种基于自回归模型的光纤测温系统警报风险预测方法技术方案

本发明专利技术公开了一种基于自回归模型的光纤测温系统警报风险预测方法，包括如下步骤：温度时间序列数据采集；对温度时间序列数据做白噪声检验，如果经过检验判定温度时间序列为白噪声；对温度时间序列做平稳性检验，若经过检验判定为非平稳，则进行温度时间序列的平稳化处理；建立模型，估算模型参数；检验模型的适用性，若检验通过，则得到拟合后的模型；预测时间序列；风险等级判别。解决了传统技术依赖单一阈值判别容易引起误报的问题。该方法可以根据前序信号的相关性，预测出后序信号，不在依赖单一阈值判别。单一阈值判别。单一阈值判别。

【技术实现步骤摘要】
一种基于自回归模型的光纤测温系统警报风险预测方法


[0001]本专利技术涉及光纤探测
，具体涉及一种基于自回归模型的光纤测温系统警报风险预测方法。

技术介绍

[0002]现有的分布式光纤测温类产品对温度信号的处理一般都是基于阈值判断进行分类，分类的方法有：
[0003]1)超温报警判断。在所有检测区域设置不同的超温阈值，当存在温度超过超温阈值的检测点时，就生成超温报警；
[0004]2)温升报警判断。人工设定时间间隔和温升报警阈值，当在设定的时间间隔内，存在检测点的温度上升速度超过温升阈值时，就生成超温报警；
[0005]3)预警判断。有些厂家在设定超温报警和温升报警后，新增了超温预警和超温预警判断，在没有达到报警的情况下，提前生成预警；
[0006]4)历史数据分析。基本所有的分布式光纤测温类产品都提供了历史数据分析功能，方便用户分析过去一段时间的温度变化情况。
[0007]现有的分布式光纤测温类产品对温度信号分类技术的主要缺陷：
[0008]1)只能依赖阈值判断，误报率高。
[0009]现有光纤测温类产品普遍采用阈值判断作为报警条件，只要有超过一个检测点温度达到或超过报警阈值，系统就会报警。但是现实中温度是多变的，存在达到报警阈值，却没有持续报警状态的情况，如果此时发出警报就属于误报。
[0010]2)温度时间序列前后数据基本无关联。
[0011]现有光纤测温类产品，只关注光纤当前温度，而没有对温度变化前后的温度时间序列进行分析。温升报警判断虽然对前面一定时间内的数据进行分析，但是也仅限于最大温度值和最小温度值的对比，远远达不到前后关联分析的程度。
[0012]3)没有警报风险预测功能。
[0013]现有光纤测温类产品，不存在对警报风险预测功能。随着人工智能和机器学习的不断进步，智能风险分析和预测成为了报警类产品发展的方向。智能风险分析能够辅助光纤测温类产品更好的降低误报率。
[0014]4)历史数据分析只能事后处理，无法实时预判。
[0015]历史数据分析功能现有光纤类产品基本都有，可以对全传感段和单点进行分析，初步统计温度的变化情况，分析出危险容易发现的地点和时间段。但是，不能做到实时分析和预判，而且无法脱离人工干预过程。

技术实现思路

[0016]本专利技术要解决的技术问题是传统技术依赖单一阈值判别容易引起误报的问题。
[0017]为了解决上述技术问题，本专利技术采用的技术方案为：一种基于自回归模型的光纤
测温系统警报风险预测方法，利用光纤探测对温度进行检测，包括如下步骤：
[0018]1)温度时间序列采集：持续采集温度时间序列，将每n个连续的检测点作为一个数组；
[0019]2)对数组进行白噪声检测，当数组为非白噪声时，则对其进行平稳性检验；
[0020]3)对温度时间序列做平稳性检验，若经过检验判定为非平稳，则对数组进行的平稳化处理，并进入步骤2中再次进行白噪声检测；若经过检验判定为平稳，则建立回归模型；
[0021]4)建立回归模型，并计算模型参数；
[0022]5)对计算出的模型参数进行检验，若检验通过，则得到拟合后的模型；否则进入步骤4；
[0023]6)根据回归模型，预测该数组后续时间t内的温度数据；
[0024]7)根据步骤6得到的温度数据，如果存在超过报警阀值的数超过设定的比例，则可认定为高风险。
[0025]进一步的，通过LB检验白噪声算法，假设数据不是独立的，即至少存在某个其中i≤m，算法公式如下：
[0026][0027]其中T是样本容量，m是人为设定的一个数量，是i阶滞后的自相关系数；
[0028]在原假设成立的条件下，Q(m)服从自由度为m的卡方分布，给定显著性水平α，则拒绝域是
[0029]进一步的，平稳性检验采用均值判断，假设x(t)为时间序列，如果其均值Ex(t)＝m为常数值，则此时间序列是平稳的。
[0030]进一步的，自回归模型的参数估计采用最小二乘法估计：
[0031]假设步骤1采集到的时间序列为：{x
t
}，当j≥p+1时，白噪声ε
j
的估计为：
[0032][0033]通常称为残差，此时评估一组参数，使残差值平方和最小化；
[0034]参数平方和计算公式如下：
[0035][0036]假设
[0037][0038]得到如下线性方程组
[0039]Y＝Xa+ε
[0040]通过解线性方程组并对a求导，得到参数a的最小二乘估计为：
[0041][0042]进一步的，对计算出的模型参数a
j
(j＝1,...,p)进行检验，检验统计量为t统计量：
[0043][0044]在给定的显著水平a下，当检验统计量T大部分位于分点t1‑
a/2
，或该统计量的P值小于a时，则可以以1
‑
a的置信水平拒绝原假设，认为模型参数显著；反之，则不能显著拒绝参数为0 的假设。
[0045]从上述技术方案可以看出本专利技术具有以下优点：传统技术依赖单一阈值判别容易引起误报的问题，该方法可以根据前序信号的相关性，预测出后序信号，不在依赖单一阈值判别；通过分析前序信号，预测出后序信号，最大程度的利用了温度时间序列信号的相关性特征，解决了传统计算无法通过温度时间序列相关性进行分析判别的问题；引入了风险等级判别功能，该功能不仅降低了系统误报率，而且实现了自动判别全程无人工干预。极大的提升的产品的智能化水平。
附图说明
[0046]图1为本专利技术的流程图。
具体实施方式
[0047]以下结合图1对本专利技术的具体实施方式做具体说明。
[0048]系统工作流程：
[0049]1.温度时间序列采集：采集前置温度时间序列数据，具体采集过程：假如10s一组温度数据，数据长度：5000，即5000个检测点。采集前序10个小时的温度数据数组，共3600组长度为 5000的数据，其中，每个检测点的时间序列数据长度为3600。
[0050]2.白噪声检测：白噪声就是任何两个相邻时序点时随机变量，没有线性关系，也无法进行时间序列预测。如果是白噪声进入步骤8，结束建模。这里通过LB检验算法，假设数据不是独立的，即至少存在某个其中i≤m，算法公式如下：
[0051][0052]其中T是样本容量，m是人为设定的一个数量，是i阶滞后的自相关系数。
[0053]在原假设成立的条件下，Q(m)服从自由度为m的卡方分布。给定显著性水平α，则拒绝域是
[0054]3.平稳性检验：如果是非平稳则进入步骤9进行时间序列的差分平稳化处理。这里采用均值判断，假设x(t)为时间序列，如果其均值Ex(t)＝m为常数值，则此时间序列是平稳的。
[0055]4.建立回归模型：自回归模型的参数估计主要有三种方法：矩估计、最小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自回归模型的光纤测温系统警报风险预测方法，利用光纤探测对温度进行检测，包括如下步骤：1)温度时间序列采集：持续采集温度时间序列，将每n个连续的检测点作为一个数组；2)对数组进行白噪声检测，当数组为非白噪声时，则对其进行平稳性检验；3)对温度时间序列做平稳性检验，若经过检验判定为非平稳，则对数组进行的平稳化处理，并进入步骤2中再次进行白噪声检测；若经过检验判定为平稳，则建立回归模型；4)建立回归模型，并计算模型参数；5)对计算出的模型参数进行检验，若检验通过，则得到拟合后的模型；否则进入步骤4；6)根据回归模型，预测该数组后续时间t内的温度数据；7)根据步骤6得到的温度数据，如果存在超过报警阀值的数超过设定的比例，则可认定为高风险。2.根据权利要求1所述的基于自回归模型的光纤测温系统警报风险预测方法，其特征在于：通过LB检验白噪声算法，假设数据不是独立的，即至少存在某个其中i≤m，算法公式如下：其中T是样本容量，m是人为设定的一个数量，是i阶滞后的自相关系数；在原假设成立的条件下，Q(m)服从自由度为m的卡方分布，给定显著性水平α，则拒绝域是3.根据权利要求1或者2所述的基于自回归模型的光纤测...

【专利技术属性】
技术研发人员：王一川，施运强，
申请(专利权)人：无锡科晟光子科技有限公司，
类型：发明
国别省市：