System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于CatBoost模型的硫化氢泄漏扩散距离预测方法技术_技高网

一种基于CatBoost模型的硫化氢泄漏扩散距离预测方法技术

技术编号:42813842 阅读:1 留言:0更新日期:2024-09-24 20:54
本发明专利技术公开了一种基于CatBoost模型的硫化氢泄漏扩散距离预测方法,属于石化生产安全管控技术领域,包括:获取硫化氢泄漏扩散数据;对硫化氢泄漏扩散数据进行预处理;构建基于CatBoost模型的硫化氢泄漏扩散距离预测模型,利用预处理后的硫化氢泄漏数据集进行模型训练;利用训练后的硫化氢泄漏扩散距离预测模型输出预测结果,并对预测结果进行评价;在建立的硫化氢管道泄漏扩散距离预测模型过程中,对采集的数据进行了预处理,将噪声值进行了剔除,同时对确实的数据进行了填充,然后通过对模型进行训练,最终的得到最优模型,能够快速、精准预测硫化氢泄漏扩散距离,从而可以为石化生产厂区应急预案的制定提供思路,为相关场景事故现场重构奠定基础。

【技术实现步骤摘要】

本专利技术涉及石化生产安全管控,具体涉及一种基于catboost模型的硫化氢泄漏扩散距离预测方法。


技术介绍

1、

2、

3、目前硫化氢泄漏扩散距离预测主要采取经验模型、数值仿真模拟等方法,对事故救援及人员疏散提供了有效的技术支持,但其都存在各自的局限性,经验模型不能揭示现象背后的机理,使得模型的适用范围很大程度依赖于提出模型的原始实证观察,模型的推广性较小;而仿真模拟软件具有运算时间长,运算成本高等缺点,因此利用仿真模拟软件无法实现对石化生产区域硫化氢气体泄漏扩散事故后果进行快速预测。随着时代的发展,神经网络逐渐浮现在人们眼前。由于其具有运算成本小、运算速度快、运算结果精确等优点近几年被国内外学者广泛使用。


技术实现思路

1、为了解决现有技术的问题,本专利技术提供了一种基于catboost模型的硫化氢泄漏扩散距离预测方法,包括:步骤1.获取硫化氢泄漏扩散数据;

2、步骤2.对硫化氢泄漏扩散数据进行预处理;

3、步骤3.构建基于catboost模型的硫化氢泄漏扩散距离预测模型,利用预处理后的硫化氢泄漏数据集进行模型训练;

4、步骤4.利用训练后的硫化氢泄漏扩散距离预测模型输出预测结果,并对预测结果进行评价。

5、进一步地,所述步骤1中,获取硫化氢泄漏扩散数据过程包括:

6、步骤101.构建硫化氢泄露的实验装置;

7、步骤102..对影响硫化氢泄露扩散的因素进行分析,并在所述实验装置中采集不同的所述因素影响下的硫化氢泄露扩散数据。

8、进一步地,所述步骤102中,所述硫化氢泄露扩散数据为不同硫化氢浓度、不同泄漏流量、不同风速、不同泄漏孔径下不同坐标位置处的硫化氢浓度的数据。

9、进一步地,步骤2中,硫化氢泄漏扩散数据预处理过程包括:

10、步骤201.对硫化氢泄漏扩散数据进行数据清洗;

11、步骤202.剔除影响数据的噪声值;

12、步骤203.对剔除噪声值后的数据进行变换。

13、进一步地,所述步骤201包括,采用平均数、中位数或众数的方式填充缺失的硫化氢泄漏扩散数据;

14、所述步骤202包括,采用三倍标准差判别法判断噪声值,若数据在平均值的正负三倍标准差(3σ)范围之外,则视为噪声值,予以剔除。

15、进一步地,所述步骤203包括:采用数据降维和/或数据标准化的方式对降噪后的所述硫化氢泄漏扩散数据进行处理。

16、进一步地,所述步骤3中,构建基于catboost模型的硫化氢泄漏扩散距离预测模型,利用预处理后的硫化氢泄漏数据集进行模型训练过程包括:

17、步骤301.首先将预处理后的数据分为训练数据和测试数据;

18、步骤302.将训练数据中的影响硫化氢泄露扩散的因素作为输入,扩散距离作为输出,导入catboost模型进行训练;

19、步骤303.通过反复迭代,得到最优模型参数,得到最优catboost模型,然后使用测试数据验证最优catboost模型。

20、进一步地,影响硫化氢泄露扩散的所述因素包括气象条件、重力和管道参数;

21、所述气象条件至少包括风向、风速、温度、湿度和大气稳定度;

22、所述管道参数包括硫化氢管道内部压力大小和泄漏孔径。

23、本专利技术的有益效果:

24、在建立的硫化氢管道泄漏扩散距离预测模型过程中,对采集的数据进行了预处理,将噪声值进行了剔除,同时对确实的数据进行了填充,然后通过对模型进行训练,最终的得到最优模型,能够快速、精准预测硫化氢泄漏扩散距离,从而可以为石化生产厂区应急预案的制定提供思路,为相关场景事故现场重构奠定基础。

本文档来自技高网...

【技术保护点】

1.一种基于CatBoost模型的硫化氢泄漏扩散距离预测方法,其特征在于以下步骤:

2.根据权利要求1所述的基于CatBoost模型的硫化氢泄漏扩散距离预测方法,其特征在于,所述步骤1中,获取硫化氢泄漏扩散数据过程包括:

3.根据权利要求2所述的基于CatBoost模型的硫化氢泄漏扩散距离预测方法,其特征在于,所述步骤102中,所述硫化氢泄露扩散数据为不同硫化氢浓度、不同泄漏流量、不同风速、不同泄漏孔径下不同坐标位置处的硫化氢浓度的数据。

4.根据权利要求2所述的基于CatBoost模型的硫化氢泄漏扩散距离预测方法,其特征在于,步骤2中,硫化氢泄漏扩散数据预处理过程包括:

5.根据权利要求4所述的基于CatBoost模型的硫化氢泄漏扩散距离预测方法,其特征在于,所述步骤201包括,采用平均数、中位数或众数的方式填充缺失的硫化氢泄漏扩散数据;

6.根据权利要求5所述的基于CatBoost模型的硫化氢泄漏扩散距离预测方法,其特征在于,所述步骤203包括:采用数据降维和/或数据标准化的方式对降噪后的所述硫化氢泄漏扩散数据进行处理。

7.根据权利要求2所述的基于CatBoost模型的硫化氢泄漏扩散距离预测方法,其特征在于,所述步骤3中,构建基于CatBoost模型的硫化氢泄漏扩散距离预测模型,利用预处理后的硫化氢泄漏数据集进行模型训练过程包括:

8.根据权利要求2或7所述的基于CatBoost模型的硫化氢泄漏扩散距离预测方法,其特征在于,影响硫化氢泄露扩散的所述因素包括气象条件、重力和管道参数;

...

【技术特征摘要】

1.一种基于catboost模型的硫化氢泄漏扩散距离预测方法,其特征在于以下步骤:

2.根据权利要求1所述的基于catboost模型的硫化氢泄漏扩散距离预测方法,其特征在于,所述步骤1中,获取硫化氢泄漏扩散数据过程包括:

3.根据权利要求2所述的基于catboost模型的硫化氢泄漏扩散距离预测方法,其特征在于,所述步骤102中,所述硫化氢泄露扩散数据为不同硫化氢浓度、不同泄漏流量、不同风速、不同泄漏孔径下不同坐标位置处的硫化氢浓度的数据。

4.根据权利要求2所述的基于catboost模型的硫化氢泄漏扩散距离预测方法,其特征在于,步骤2中,硫化氢泄漏扩散数据预处理过程包括:

5.根据权利要求4所述的基于catboost模型的硫化氢泄漏扩散距离...

【专利技术属性】
技术研发人员:王伟峰赵轩冲刘宝翟小伟刘韩飞贵晓云李俊李卓洋
申请(专利权)人:西安科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1