基于SMOTE算法和机器学习的管道泄漏检测研究

扫码查看

原文链接

NETL

中文摘要：在管道泄漏检测问题的研究中,针对管道泄漏数据集中数据不平衡的问题,及SVM算法精度较低、泄漏误报警高,只能应对小样本数据集等特点,使其应用范围受限.鉴于此背景,本文提出了基于SMOTE和logistic回归、随机森林算法的管道泄漏检测分类方法.采用SMOTE算法处理非平衡数据集,通过归一化处理,建立logistic回归、随机森林分类模型,应用5折交叉验证训练模型.分别设计了两组实验来验证模型效果,结果表明:本文提出的SMOTE算法能够显著降低泄漏误报警,提高精度;logistic回归、随机森林模型精度分别为0.9203和0.9287,高于SVM,同时模型运算速度提升明显.

作者：

LIU Yuan、刘渊、XIE Wen-hao、谢文昊、WANG Jia-hao、王佳豪、WANG Li-hong、王黎宏

展开 >

作者单位：

西安石油大学石油工程学院

西安石油大学理学院

国家管网集团山东省分公司榆济作业区榆林管理站

关键词：

油气管道泄漏检测 SMOTE算法机器学习

主办单位：

陕西省石油学会

西安石油大学

北京振威展览有限公司

会议名称：

2023国际石油石化技术会议（2023IPPTC）

会议时间：

2023-05-31

会议地点：

北京

会议母体文献：

2023国际石油石化技术会议（2023IPPTC）论文集

页码：

1-8

出版时间：

2023