基于移动设备位置数据的油气管道第三方破坏行为识别研究

管道第三方破坏是长输油气管道面临的主要风险之一,第三方破坏活动极强的随机性与不确定性使得相应的防范工作变得非常困难。针对目前人工巡线,光纤振动监测,无人机巡线等安全预警技术存在预警不及时、误报、漏报等问题,结合易获取的具有时空序列的手机位置数据,本文建立了基于手机位置数据的管道第三方破坏行为识别模型。首先,通过将手机位置信息进行预处理,获取更准确的目标管线附近的第三方活动位置信息,根据位置数据的密度在空间层上对轨迹点进行聚类分析,提出一种基于时空聚类的停留点识别方法;结合停留点位置关键特征对其进行语义标记,并基于TF-IDF规则对停留点异常程度进行计算,准确提取出管道监控范围内异常停留点;然后通过对第三方轨迹进行提取与分段,结合轨迹位置特征完成停留点所在轨迹的邻域搜索,根据速度、加速度、转角等多个轨迹移动特征计算近邻轨迹分段的行为差异度;最后基于管道风险特征与第三方人员的行为特征构建管道第三方破坏行为决策树模型,深入分析各类特征与第三方破坏活动类型的相关性,实现管道附近第三方破坏行为类别判断。通过搜集的第三方历史特征数据集进行训练测试,本文建立的识别模型准确率为90.9%,且对某长输管段附近30天内的移动设备信息进行处理,依据获得的53994条有效数据对附近第三方活动异常行为进行监测,结果表明该模型可准确识别出轨迹中的异常行为,有助于及时发现第三方管道破坏行动,为智能防范管道第三方破坏维护管道完整性提供了有效依据。

基于径向基网络的含缺陷管道安全系数修正

安全系数是管道完整性评价方法的重要参数之一,传统评价方法仅考虑了管道所处地区等级对其影响,未能全面评价管道的真实安全状态。提取管道相关风险因素,比较各因素间相对重要程度并建立表征不同风险状态的分值体系,根据所得风险分值对安全系数进行修正,使得修正后的安全系数能够反映含缺陷管段实际风险状态;结合径向基网络方法的自学习特点,将各风险因素作为输入,修正后的安全系数作为输出,建立基于径向基网络的管道安全系数计算模型。由模型训练得出的修正安全系数与测试样本吻合度较好,验证了模型的准确性。结果表明:修正安全系数在考虑地区等级的基础上同时引入了其他重要风险因素的影响,为管道完整性评价中的安全系数取值提供了新的思路。