← 返回列表
一种基于遗传粒子群优化CNN-LSTM的LNG大型储罐区风险预测方法
摘要文本
本发明提供了一种基于遗传粒子群优化CNN‑LSTM的LNG大型储罐区风险预测方法，包括：获取LNG储罐和运输管道的历史运行参数、LNG罐区的大气环境的历史参数，采集标记位特征参数并进行预处理，得到标准化数据样本集；采用滑动窗口模块将标准化数据样本集转换为输入特征矩阵，得到重构数据样本集；采用遗传粒子群优化CNN‑LSTM混合神经网络构建LNG大型储罐区CH4浓度预测模型；建立LNG大型储罐区CH4预警系统对LNG罐区进行风险预警。本发明采用GA‑PSO算法对CNN‑LSTM混合预测模型参数进行优化，有效降低了模型的复杂度，同时提高了对大型LNG储罐区大气中CH4浓度的预测效率和精度。
申请人信息
- 申请人:曹妃甸新天液化天然气有限公司; 中控技术股份有限公司
- 申请人地址:063205 河北省唐山市曹妃甸工业区港口物流园区
- 发明人: 曹妃甸新天液化天然气有限公司; 中控技术股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于遗传粒子群优化CNN-LSTM的LNG大型储罐区风险预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311605548.4 |
| 申请日 | 2023/11/28 |
| 公告号 | CN117610729A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06Q10/04 |
| 权利人 | 曹妃甸新天液化天然气有限公司; 中控技术股份有限公司 |
| 发明人 | 赵红岩; 路荣朝; 冯志强; 郭锐; 张升豪; 杨田 |
| 地址 | 河北省唐山市曹妃甸工业区港口物流园区; 浙江省杭州市滨江区六和路309号 |
专利主权项内容
1.一种基于遗传粒子群优化CNN-LSTM的LNG大型储罐区风险预测方法，其特征在于，包括：步骤1：获取LNG储罐和运输管道的历史运行参数、以及LNG罐区的大气环境的历史参数，从前述历史运行参数和历史参数中采集不同传感器所在标记位的标记位特征参数，并对所述标记位特征参数进行数据预处理，得到标准化数据样本集；步骤2：采用滑动窗口模块将标准化数据样本集转换为输入特征矩阵，所述输入特征矩阵用于LNG大型储罐区CH浓度预测模型的输入，得到重构数据样本集；4步骤3：基于重构数据样本集，采用遗传粒子群优化CNN-LSTM混合神经网络构建LNG大型储罐区CH浓度预测模型；4步骤4：建立LNG大型储罐区CH预警系统，获取LNG储罐和运输管道的实时运行参数、以及LNG罐区的大气环境的实时参数，将上述实时运行参数和实时参数进行预处理后输入至所述LNG大型储罐区CH浓度预测模型中，得到LNG大型储罐区CH浓度预测值，并根据所述预测值对LNG罐区进行风险预警。444