[發明專利]一種基于GRU網絡的鉆孔應變數據異常提取方法有效
| 申請號： | 202310056192.7 | 申請日： | 2023-01-16 |
| 公開（公告）號： | CN116204760B | 公開（公告）日： | 2023-10-24 |
| 發明（設計）人： | 池成全;張德望;韓瑛 | 申請（專利權）人： | 海南師范大學 |
| 主分類號： | G06F17/16 | 分類號： | G06F17/16;G06F18/2433 |
| 代理公司： | 北京盛廣信合知識產權代理有限公司 16117 | 代理人： | 秦全 |
| 地址： | 571158 *** | 國省代碼： | 海南;46 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 gru 網絡 鉆孔 應變 數據 異常 提取 方法 | ||
1.一種基于GRU網絡的鉆孔應變數據異常提取方法，其特征在于，所述方法包括以下步驟：
錄入四分量鉆孔應變數據，并進行應變換算；
通過SVMD法將換算后的應變數據進行分解，并去除干擾因素分量，獲得數據剩余分量；
采用主成分分析方法計算所述數據剩余分量的特征值和特征向量，并通過第一特征值和第一特征向量重構數據；
通過GRU-LUBE網絡對重構后的數據進行訓練、預測和異常提取；
通過異常判斷規則判斷異常天，并采用異常累計法表征異常變化規律。
2.根據權利要求1所述的基于GRU網絡的鉆孔應變數據異常提取方法，其特征在于，
所述應變換算的方法包括：選取一個臺站的四分量鉆孔應變數據，數據表示為S1,S2,S3,S4；將四分量鉆孔應變數據換算成兩個剪應變S13、S24和一個面應變Sa，其表達式如下：
3.根據權利要求1所述的基于GRU網絡的鉆孔應變數據異常提取方法，其特征在于，
所述獲得數據剩余分量的方法包括：通過SVMD分別對S13、S24和Sa進行分解，去除第一、二分量并重構其余分量，得到重構后的數據剩余分量分別為M13,M24,Ma。
4.根據權利要求1所述的基于GRU網絡的鉆孔應變數據異常提取方法，其特征在于，
所述通過第一特征值和第一特征向量重構數據的過程包括：首先制作數據矩陣Y(3×n)，其表達式為：
其中，Y是數據矩陣，M13,M24,Ma分別是兩個剪應變和一個面應變；然后對矩陣Y進行特征分解，得到特征值矩陣[λ1λ2λ3]和特征向量矩陣[a1?a2?a3]，取第一特征值λ1和第一特征向量a1進行數據重構。
5.根據權利要求1所述的基于GRU網絡的鉆孔應變數據異常提取方法，其特征在于，
構建GRU-LUBE網絡的方法包括：GRU的表達式如下：
rt＝σ(ωr·[ht-1,xt])
zt＝σ(ωz·[ht-1,xt])
其中，ht-1是最后時刻的記憶狀態，xt是網絡的輸入，rt是重置門的輸出，記憶門神經元，zt是更新門的輸出；
將LUBE的區間上界和下界分別作為GRU網絡的兩個輸出，構成GRU-LUBE網絡。
6.根據權利要求5所述的基于GRU網絡的鉆孔應變數據異常提取方法，其特征在于，
所述LUBE的區間上界yU和下界yL表達式為：
其中，xi是輸入向量，wih是輸入層和隱含層之間的權重，b是隱含層的閾值，who是隱含層和輸出層間的權重，wio是輸入層和輸出層之間的權重。
7.根據權利要求1所述的基于GRU網絡的鉆孔應變數據異常提取方法，其特征在于，
所述異常判斷規則包括以下判斷條件：
在30分鐘內有多于15個點在區間外；
區間的中心點和實際值的差值，大于區間帶寬的1.5倍，且在30分鐘內有3個以上。
8.根據權利要求7所述的基于GRU網絡的鉆孔應變數據異常提取方法，其特征在于，
所述采用異常累計法表征異常變化規律的過程包括：當區間預測結果同時滿足兩個判斷條件，則為異常天，計算異常天數累計結果，并繪制其隨時間變化的散點圖，采用sigmoid函數對散點圖擬合，得到變化規律。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于海南師范大學，未經海南師范大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202310056192.7/1.html，轉載請聲明來源鉆瓜專利網。
