论文部分内容阅读
对油气管道附近振源的快速识别是保障管道安全的重要技术手段.现有的单一机器学习算法在不同运用场景所反映的监测性能差异较大,且不同学习算法在分类识别上又具有互补性,提出了基于BP-SVM融合器分类算法.该算法基于φ-OTDR系统分别采集了人工敲击、车辆通行、机械施工及火车通行4种振动源的振动信号,构建了四维度特征空间,作为机器学习的特征向量.将该算法应用于国家管网集团华北公司汉沽—武清段成品油管道进行现场振动信号识别,并对BP神经网络分类器、SVM分类器以及基于BP-SVM融合分类器的测试进行对比,结果表明:BP神经网络分类器、SVM分类器及BP-SVM融合分类器的识别率分别为75.2％、68.5％、81.4％,融合分类器性能明显优于单个分类器.