地下阀井内沼气与天然气判别方法研究.pdfVIP

燃气技术GasTechnologv

doi:l0.3969/j.issn.1671-5152.2022.01.006

地下阀井内沼气与天然气判别方法研究

常磊，孙光旭，蔡永伟，闵行政

汉威科技集团股份有限公司

摘要：本文提出了一种阀井沼气与天然气的判别方法，通过对发生可燃气体报警的阀井环境特征

的提取与量化，并将环境特征向量代入概率神经网络进行训练，依据贝叶斯分类法则，较

好地实现了沼气与天然气的区分，为管理单位提供了决策依据，为地下管网安全提供了技

术支持。

关键词：概率神经网络；环境特征；天然气；沼气

1背景析仿真结果。研究流程图如图1所示。

目前通过在井室安装可燃气体监测终端实现实时

监测井下危险程度的判断。但是，很多阀井内及周围

环境复杂，常伴有积水脏污有机物等堆积，发酵后

会产生甲烷气体，这些气体同样会导致探测终端数值

的变化。当甲烷浓度高出报警阈值时，无法判断报警

的甲烷气体来自于泄漏的天然气还是生成的沼气。本

文依据已经发生甲烷浓度报警的大量数据，分析阀井

相关的环境特征，提岀一种基于概率神经网络的沼气

与天然气判别方法，有效地将天然气泄漏报警和沼气

报警区分开来血2X31。

2判别方法

2.1研究流程

根据行业经验和大量数据分析，提取阀井周围环

境特征，依据环境特征对沼气生成的影响状况，赋予

环境特征不同的概率，生成环境特征向量。选取多组

环境特征向量构成样本矩阵，通过训练样本构建概率

神经网络进行分类训练，用测试样本检验效果，并分

28I城市燃气2022/01总第563期

常磊等•地下阀井内沼气与天然气判别方法研究

2.1概率神经网络简介进行估计。Parzen窗函数密度估计方法是最一般形式

概率神经网络(PNN)是一种应用非常广泛的人的密度估计方法，只要样本足够多，总可以保证收敛

工神经网络，它结构简单训练简洁，在解决分类于任何复杂的未知密度。

问题时，既能用线性学习算法解决非线性学习算法设模式©有N,个模式样本兀⑴(/=1,2,…，c;

问题，又能保持非线性算法的高精度国。该网络采用7=1,2,Nj),Parzen窗函数取高斯核，则对于◎模

Parzen概率密度估计和贝叶斯信息优化决策规则，直式，Parzen窗函数的类条件概率密度估计可以写为：

接对学习样本进行存储和处理，使训练过程大大简]A

Pn,(XI◎)=Yexp[-/2，]

化，且稳定收敛于贝叶斯优化解(加)％的台

2.2概率神经网络结构式中d为训练样本的维度，7为平滑系数，。的取

概率神经网络由输入层隐含层求和层决策值决定了用样本点作为中心的正态曲线的宽度R刃。

层组成，基本结构如图2所示。

输入层：将归一化处理后的样本数据输入网络。3环境特征分析

隐含层：对每个神经元进行径向基函数运算，并

计算激活后的神经元初始概率。本文的研究对象是针对存在可燃气体报警的阀

求和层：把属于同一类的隐含神经元的概率输出。井，判别其中的甲烷是来自于天然气还是发酵生成的

决策层：依据概率大小进行贝叶斯分类。沼气。根据行业经验⑴