基于LightGBM-St...融合的多传感器甲烷检测系统_刘小飞.pdf
《基于LightGBM-St...融合的多传感器甲烷检测系统_刘小飞.pdf》由会员分享,可在线阅读,更多相关《基于LightGBM-St...融合的多传感器甲烷检测系统_刘小飞.pdf(5页珍藏版)》请在咨信网上搜索。
1、敬请登录网站在线投稿()年第期 基于 模型融合的多传感器甲烷检测系统刘小飞,陈向东,丁星,周龙(西南交通大学 信息科学与技术学院,成都 )基金项目:国家自然科学基金重点资助项目();中央高校基本科研费资助项目()。摘要:利用多传感器检测技术结合集成学习方法,设计了一种基于 模型融合的多传感器甲烷检测系统,其中分别使用恒压供电式催化燃烧型传感器、两路脉冲供电式催化燃烧型传感器和热传导型传感器相结合的方式达到全范围检测的目的。实验结果表明,相比使用单一算法模型,本文所提出的 集成模型在甲烷预测的准确率、均方根误差及决定系数等指标上均有更好的表现。关键词:;集成学习;机器学习;甲烷预测中图分类号:;
2、文献标识码:,(,):,:;引言近年来,气体钻井在国内得到迅速发展,气体钻井比传统钻井速度快得多,但同时也存在一些安全问题。其中可燃气体燃爆问题是当前最大的安全问题之一,当钻井作业过程中碰到气层时,地层产出的甲烷气体与氧气在一定的浓度范围内混合后具有燃烧、爆炸的潜在危险。因此,在气体钻井应用中往往需要准确预测甲烷气体含量和评估钻遇气层的危险程度并提前采取相应的应对措施,为气体钻井提供更有力的安全保障。国内外研究学者深入研究后形成了神经网络、灰色理论、机器学习等多种甲烷浓度预测方法。付华等使用灰色理论方法对深度学习模型进行改进以此构建甲烷预测模 型,实 验 结 果 表 明 该 模 型 的 预 测
3、 精 度 有 所 提 高;等利用神经网络构建时间序列预测模型对甲烷浓度进行预测,其能够全面采集甲烷浓度历史数据的特征。虽然上述算法均用来构建甲烷浓度预测模型,但若使用单一预测模型,存在无法兼顾模型的预测精度高、训练速度快及泛化能力强的问题。针对上述问题,为了实现更高预测精度同时兼顾更快的模型训练速度以及更强的泛化能力,本文使用一种基于 模型融合的方法实现对甲烷浓度的预测。系统框图本文所设计的甲烷检测系统框图如图所示,包含硬件数据采集端和数据处理及模型训练端两部分。硬件数据采集端通过采用恒压供电式和两路恒压脉冲式催化型甲烷传感器以及恒压供电式热导型甲烷传感器实现对甲烷浓度的检测,同时将氧气、二氧
4、化碳等其他环境参数融入到甲烷浓度检测过程,提高检测系统的准确性。本系统将获取的气体信息通过串口传输至数据处理及模型训练端。年第期 图甲烷检测系统框图数据处理及模型训练端将获取的气体信息首先进行数据预处理,其次利用 集成学习模型实现对甲烷浓度的预测,将甲烷浓度预测值、氧气、二氧化碳、温湿度等信息通过上位机实时显示,并存储最终结果以便后续查看。模型融合方法 集成学习模型原理 算法模型是一种分层次的架构设计,每一层都可 以 由 一 个 或 多 个 算 法 模 块 集 成。一 般 情 况 下,模型包含两层架构,第一层含有多个基学习器,第二层将结果进行合并输入至元学习器模型,最终生成预测精度高、预测性能
5、好的 集成学习模型。正是基于以上特点,本文提出一种基于 模型融合的集成学习算法,并将其应用于预测甲烷的浓度。其集成模型框架分为如图所示的两层结构。图 集成模型框架 算法 即轻度梯度提升,该算法最主要的创新为计算速度和内存使用方面均得到了很大的提升。在模拟实验环境中,采集的多传感器数据是连续变化的,而且实验过程中采集到的样本数据集中会包含很多重复的样本,这将会加长模型训练的时间,而 算法使用 节点分裂方法,在当前所有节点中找到所属增益最优的节点,再进行下一次的搜索和分裂。使用直方图算法通过将直方图中的数值进行降序或升序排列,即可迅速找到所需的最优分裂节点。为此本文使用 算法来加快模型的训练速度,
6、使得其在具有较高预测精度的同时,还可以拥有更高的训练效率。算法 即极 端 梯 度 提 升,算 法机理是经过不断迭代生成新的决策树进而拟合之前预测的残差,最终使预测值与实际值之间的残差逐渐减小。其最终预测值可以表示成一种加法的形式,如式():(),()其中,表示最终的预测结果;表示决策树的数量;表示第个子模型;表示第个输入样本值;表示总共的决策树集合。虽然利用 算法加快了模型的训练效率,但可能会出现过拟合的问题,而 算法通过引用泰勒公式与正则项部分对 函数进行展开,不仅有效防止产生过拟合的问题,还加快了其收敛的速度。目标函数如式():()(,()()()()()()()其中,表示样本数据的一阶导
7、数;表示样本数据值的二阶导数;()表示第次迭代模型的正则项。随机森林 算法随机森林 算法的机理在于多次独立取出一部分数据,通过训练生成多棵决策树,再将决策树运算结果组成一个“森林”,结合多颗决策树的结果最终确定输出。其具有两个随机过程:一是以每次放回的方式任意抽取数据信息来决策生成多棵树;二是在分裂决策树左右节点时,任意抽取节点的多个特征信息,并在所抽取的多个特敬请登录网站在线投稿()年第期 征信息中选出最好的特征信息进行切分。经过这两个随机过程,不仅可以进一步提高该算法的泛化能力,还可以增强算法的预测性能。甲烷浓度预测模型的建模流程 数据预处理在采集数据过程中,甲烷、氧气、二氧化碳等特征属性
8、有着不同的量纲,且量纲单位不一致。本文为了将采集的样本数据集中的信息单位统一保持一致,降低对甲烷浓度预测模型的影响,对样本数据集进行统一处理,使各个传感器的数据具有相同量纲级。并经过将多组实验数据进行均值处理,在不影响数据整体趋势的条件下,降低数据之间的波动程度,使数据更加趋于稳定。特征选取本文采集的数据集中有、和各甲烷传感器 值等特征属性。由于随机森林 算法在对特征重要程度选取方面的优势,本文采用该算法对样本数据集信息进行特征选取。通过算法运算得到每个特征的重要程度,并经过综合考虑后,最终选取甲烷、这个属性作为系统最优的特征子集。集成模型训练对样本历史数据集进行预处理和特征选取操作后,需要预
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 LightGBM St 融合 传感器 甲烷 检测 系统 刘小飞
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。