【技術實現步驟摘要】
本申請涉及油氣安全，特別涉及一種基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法、系統、計算機可讀存儲介質和電子設備。
技術介紹
1、目前，多采用無人機搭載濃度探測設備開展泄漏區域內濃度數據的獲取，但天然氣管道泄漏過程中，受埋地深度、風速、地形因素及周圍障礙物的影響，導致機載濃度探測設備對泄漏區域空間濃度信息獲取不全，所獲取的稀疏數據無法整體反映泄漏現場的環境危險性，極大阻礙了天然氣管道泄漏快速高效的泄漏應急處置。
2、因而，亟需提供一種針對上述現有技術不足的技術方案。
技術實現思路
1、本申請的目的在于提供一種基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法、系統、計算機可讀存儲介質和電子設備，以解決或緩解上述現有技術中存在的問題。
2、為了實現上述目的，本申請提供如下技術方案：
3、本申請提供一種基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，包括：步驟s101、獲取天然氣管道泄漏擴散的稀疏濃度場數據；
4、步驟s102、基于所述稀疏濃度場數據，設置基于全連接神經網絡架構的初始網絡模型的物理約束條件，并定義所述初始網絡模型的損失函數；
5、步驟s103、將所述天然氣管道泄漏擴散的非穩態對流擴散方程及其殘差梯度嵌入所述初始網絡模型的損失函數，得到所述天然氣管道泄漏的物理信息神經網絡改進模型；
6、步驟s104、基于訓練完成的所述物理信息神經網絡改進模型，根據所述稀疏濃度場數據，對所述天然氣管道泄漏擴散
7、優選的，步驟s101中，通過中紅外光波對所述天然氣管道泄漏擴散時泄漏區域的泄漏天然氣進行探測，以建立所述天然氣管道泄漏擴散時泄漏區域的泄漏天然氣的濃度灰度圖，并按照公式：
8、
9、將所述天然氣管道泄漏擴散時泄漏區域的泄漏天然氣的濃度灰度圖轉化為所述天然氣管道泄漏擴散的稀疏濃度場；
10、式中，f(x,y,tf)為所述天然氣管道泄漏擴散時檢測區域內檢測點(x,y)處tf時刻的天然氣時空濃度，(x,y)為所述天然氣管道泄漏擴散時檢測區域內檢測點的坐標；
11、ha、hb分別為所述濃度灰度圖中所述泄漏區域內檢測點(xa,ya)、(xb,yb)處tf時刻的濃度灰度值，a0為常數，a0＝0.05，s(t)為所述泄漏區域內單位面積上泄漏天然氣對所述中紅外光波的吸收譜線強度，為所述泄漏區域內檢測點(xa,ya)處tf時刻的環境溫度，為常數，p為標準大氣壓力，n為常數，n＝0.72，γ為對所述泄漏區域的泄漏天然氣進行探測時泄漏天然氣對所述中紅外光波的吸收系數。
12、優選的，步驟s102中，構建所述天然氣管道泄漏擴散的非穩態對流擴散方程及所述非穩態對流擴散方程的邊界條件；以非穩態對流擴散方程損失、訓練過程中的數據損失以及所述非穩態對流擴散方程的邊界條件損失，定義所述損失函數。
13、優選的，所述天然氣管道泄漏擴散的非穩態對流擴散方程為：
14、
15、所述非穩態對流擴散方程的邊界條件為：
16、f(x,y,t)＝0
17、所述天然氣管道泄漏擴散的初始條件為：
18、
19、式中，f(x,y,t)為所述天然氣管道泄漏擴散時檢測區域ω內檢測點(x,y)處t時刻的天然氣時空濃度，(x,y)為所述天然氣管道泄漏擴散時檢測區域ω內的檢測點的坐標；
20、kx、ky分別為所述天然氣管道泄漏擴散時泄漏天然氣在x方向和y方向的擴散系數，ux、uy分別為所述天然氣管道泄漏擴散時泄漏天然氣在x方向和y方向的對流速度；s(x,y,t)為所述天然氣管道泄漏擴散時檢測區域ω內檢測點(x,y)處t時刻的泄漏速率；其中，x方向和y方向均為水平方向；
21、f(x,y,0)為所述天然氣管道泄漏擴散時檢測區域ω內檢測點(x,y)處t＝0時刻的天然氣時空濃度；m為t＝0時刻所述天然氣管道泄漏擴散的天然氣總質量；σx、σy為所述天然氣管道泄漏擴散時泄漏天然氣在x方向和y方向的擴展寬度，(x0,y0)為所述天然氣管道泄漏擴散時泄漏天然氣的點源位置。
22、優選的，所述非穩態對流擴散方程損失lpde為：
23、
24、所述數據損失ldt為：
25、
26、所述邊界條件損失lbc為：
27、
28、式中，f(xi,yi,tf)為所述天然氣管道泄漏擴散時所述稀疏濃度場數據中第i個檢測點(xi,yi)在tf時刻的天然氣時空濃度，(xi,yi)為第i個檢測點在檢測區域內的坐標；
29、n1為所述天然氣管道泄漏擴散時檢測區域ω內檢測點總數，n2為由n1個檢測點中隨機選擇的檢測點數量，n3為所述天然氣管道泄漏擴散時檢測區域ω內邊界檢測點的數量，n2、n3∈n1，n1、n2、n3均為正整數；
30、nn(xi,yi,tf)為所述初始網絡模型在檢測點(xi,yi)處tf時刻輸出的天然氣預測濃度。
31、優選的，步驟s103中，按照公式：
32、
33、對所述初始網絡模型進行改進，得到所述物理信息神經網絡改進模型；
34、式中，f(x,y,t)為所述天然氣管道泄漏擴散時檢測區域ω內檢測點(x,y)處t時刻的天然氣時空濃度，為所述天然氣管道泄漏擴散時檢測區域ω內檢測點(x,y)處t時刻的天然氣時空濃度的梯度值；
35、(x,y)為所述天然氣管道泄漏擴散時檢測區域ω內的檢測點的坐標；
36、(xi,yi)為所述天然氣管道泄漏擴散時檢測區域ω內的第i個檢測點的坐標；i∈n1，i、n1均為正整數，n1為所述天然氣管道泄漏擴散時檢測區域ω內檢測點總數；
37、tf＝{t1,…,tf}；tf、tf均為為所述天然氣管道泄漏擴散的檢測時刻。
38、優選的，步驟s103中，所述天然氣管道泄漏的物理信息神經網絡改進模型的優化損失函數loss為：
39、
40、式中，lpde-impeove為所述非穩態對流擴散方程殘差的時域梯度增強損失；
41、ωpde為所述非穩態對流擴散方程損失lpde的損失權重；ωdt為所述數據損失ldt的損失權重，ωbc為所述邊界條件損失lbc的損失權重，ωpde-impeove為所述時域梯度增強損失lpde-impeove的損失權重；
42、f(xi,yi,tf)為所述天然氣管道泄漏擴散時所述稀疏濃度場數據中第i個檢測點(xi,yi)在tf時刻的天然氣時空濃度，(xi,yi)為第i個檢測點在檢測區域內的坐標；i∈n1，i、n1均為正整數，n1為所述天然氣管道泄漏擴散時檢測區域ω內檢測點總數，
43、為所述天然氣管道泄漏擴散時檢測區域內檢測點(xi,yi)處tf時刻的天然氣時空濃度的梯度值；
44、為所述天然氣管道泄漏擴散時本文檔來自技高網...
【技術保護點】
1.一種基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，包括：
2.根據權利要求1所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，步驟S101中，
3.根據權利要求1所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，步驟S102中，
4.根據權利要求3所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，所述天然氣管道泄漏擴散的非穩態對流擴散方程為：
5.根據權利要求3所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，
6.根據權利要求1所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，步驟S103中，
7.根據權利要求6所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，步驟S103中，所述天然氣管道泄漏的物理信息神經網絡改進模型的優化損失函數LOSS為：
8.一種基于物理信息神經網絡的天然氣管道泄漏濃度場重構系統，其特征在于，包括：
9.一種電子設備，
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被執行時實現如權利要求1-7任一所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法。
...【技術特征摘要】
1.一種基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，包括：
2.根據權利要求1所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，步驟s101中，
3.根據權利要求1所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，步驟s102中，
4.根據權利要求3所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，所述天然氣管道泄漏擴散的非穩態對流擴散方程為：
5.根據權利要求3所述的基于物理信息神經網絡的天然氣管道泄漏濃度場重構方法，其特征在于，
6.根據權利要求1所...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。