2024油气田管道集群化泄漏监测多算法融合标准

TOC\o"1-1"\h\z\u （FAR（FRRGB/TGB/T

31产品质量信息系统信息分类与共享交换错误接受率(FalseAcceptanceRate,FAR)错误接受的案例

𝑜𝑡𝑟𝑒𝑡2𝑡𝑟𝑒𝑡+错误拒绝率(FalseRejectionRate,FRR)错误拒绝的案例

𝑡𝑟𝑒𝑡2𝑜𝑡𝑟𝑒𝑡+信任函数（BeliefFunction）信任函数值BelA)表示证据对命题A为真的信任程度Bel：2u→[0,1]表示A的全部子集的基本概率分配函数之和归一化就是将训练集中某一列数值特征（假设是第i列）的值缩放到0和1之间。方法如下所示：−()()−S1构建统一基准测试泄漏监测库，所述基准测试泄漏监测库构建方法包括样本集和探针集；S2基于所述基准测试泄漏监测库，每种集群化泄漏监测算法进行算法测试；S3计算每种集群化泄漏监测算法在所述基准测试图像库上的FARFRR；S4计算每种集群化泄漏监测算法的信任度函数；S5对每种集群化泄漏监测算法比对分数进行归一化；S6采用基于信任度加权方式进行分数融合；S7根据融合比对分数，输出融合比对结果。单算法测试要求：算法测试时要求每个算法探测集与样本集进行采用遍历交叉比对，并记录比对分数；所述比对分数要求分数值越高，代表两种数据样本是同一泄漏情况的概率越大。错误接受率（FAR）和错误拒绝率（FRRFAR在固定比对分数V时，误报数据样本比对分数大于等于V的总次数与冒充者比对总次数之间的比值；所述FRR在固定比对分数V时，真实人比对分数小于V的总次数站与真实人的总次数之间的比值。信任度函数：采用FARFRR的比值，所述信任度函数满足信任度有序性，随着比对分数的增大，信任度值增大。分数融合：基于信任度都加权要求每个算法权重系数比为其对应的信任度比，且所有算法权重之和为1。融合后算法识别精度：融合后在错误接受率在0.01识别性能达到98融合计算影响速度：融合计算影响时间小于10ms融合策略更新：系统算法更新时，只需要更新配置文件即可。S1提取管道泄漏数据样本及管道输送工况变化数据样本，将管道运行样本数据转换成数据灰度图谱，构建样本集和探针集；S2第k个泄漏数据样本识别算法在样本集进行特征模板提取，生成样本集模板集合Gk；若样本集有M幅人脸图像，则第k个人脸识别算法提取的样本集特征模板集合Gk＝G1k,G2kGikGMk>,其中1i<M；S3第k个管道泄漏监测算法在探针集进行特征模板提取，生成探针集模板集合Tk；若样本集有N幅管道运行数据图谱，则第k管道泄漏监测算法提取的样本集特征模板集合Tk＝T1kT2k,…，Tjk，…,TNk>，其中1jN；S4k个管道泄漏监测算法的探针集模板Tk所有模板与样本集Gk模板进行交叉比对，生成比对分数集合Uk，其中1jN1iMSikj为第k个管道泄漏监测算法探测集第j幅管道运行数据图谱与样本集第i幅管道运行数据图谱的比对分数。S5计算第k个管道泄漏监测算法的错误拒绝率FARk(tFRRk(t)；Zikj标识探测集第j幅管道运行数据图谱和样本集第i幅管道运行数据图谱为真实泄漏比对或者误报泄漏比对。若为真实泄漏比Zikj＝1，若为误报泄漏比对则Zi＝0。统计误报泄漏比对总次数C1和真实泄漏比对总次数C2。则第k个管道泄漏监测算法，对于比对分数tUkS6构建第k个管道泄漏监测算法信任度函数Bk，计算方法如公式(5由于随着比对分数t的增大，则FAR将变小，FRR将增大，故Bk满足信任度有序性,随着比对分数t的增大而增大。S7对第k个算法比对分数进行归一化，归一化方法采用极值法。计算第k个算法比对分数最大值与最小值，计算公式如公式(6)和公式(7则第k个算法任意两幅照片比对分数，Sk归一化分数为Tk算方法如公式(8)。S8采用基于信任度加权方式融合；重复步骤S2～S7,计算所有L个管道泄漏监测算法的转换分数。对于第k个管道泄漏监测算法，进行任意两幅管道运行数据图谱比对，获得比对分数Sk，则融合后的比对分数为f(t)，其计算方法如公式(9式中