CN111680889B - 一种基于交叉熵的海上石油泄漏源定位方法及装置 - Google Patents
一种基于交叉熵的海上石油泄漏源定位方法及装置 Download PDFInfo
- Publication number
- CN111680889B CN111680889B CN202010430779.6A CN202010430779A CN111680889B CN 111680889 B CN111680889 B CN 111680889B CN 202010430779 A CN202010430779 A CN 202010430779A CN 111680889 B CN111680889 B CN 111680889B
- Authority
- CN
- China
- Prior art keywords
- sample points
- leakage
- probability density
- density function
- optimized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004088 simulation Methods 0.000 claims abstract description 60
- 239000003208 petroleum Substances 0.000 claims abstract description 45
- 239000003305 oil spill Substances 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 85
- 238000005070 sampling Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004807 localization Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 12
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 15
- 230000003287 optical effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Animal Husbandry (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Quality & Reliability (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供了一种基于交叉熵的海上石油泄漏源定位方法及装置,涉及海面溢油监测技术领域,包括:S1获取泄漏源的搜索范围的地质特征信息;S2初始化泄漏源的位置概率密度函数;S3根据位置概率密度函数确定多个候选泄漏源样本点进行石油泄漏模拟;S4根据石油泄漏模拟结果确定多个高质量样本点;S5根据多个高质量样本点对位置概率密度函数进行优化,确定优化位置概率密度函数;S6根据优化位置概率密度函数确定多个优化高质量样本点;重复S3至S6;S7直至当多个优化高质量样本点满足预设定位条件时,根据优化高质量样本点完成对泄漏源的定位。本发明通过对位置概率密度函数的迭代优化实现对最优值的快速逼近,可有效提高计算速度和准确度。
Description
技术领域
本发明涉及海面溢油监测技术领域,具体而言,涉及一种基于交叉熵的海上石油泄漏源定位方法及装置。
背景技术
随着海上石油工业的快速发展,近海石油钻探规模不断扩大,频发的溢油事故不但造成巨大的经济损失,而且严重影响海洋生态环境。石油泄漏通常发生在石油勘探和石油运输的过程中。由于对石油的需求增大,海上石油开发发展迅速,海上钻井平台的溢油事故也越来越多。同时,由于海洋船舶运输作为稳定且成本低廉的运输方式,石油的进出口经常通过轮船跨海运输,伴随而来的是全球范围的重大海上溢油事故频发,造成很对特大环境污染事件。
当前石油行业已经采用了先进的石油网络物理***(CPS)技术来帮助石油勘探,生产和管理。在现有的在石油勘探和运输过程中,采用远程多传感技术用于泄漏检测,可实现海上石油CPS的水下建模。首先使用遥感数据检测到海面漏油。但是,石油泄漏源往往都是低于海平面,难以监测识别。由于卫星的固定的访问时长和较长的运行周期,监测漏油仅仅依靠遥感数据远远不够。现有的用于持续监测和检测溢油扩散的方法,往往需要巨大的计算开销来处理遥感数据,效率较低且检测精度也有待提高。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题,为达上述目的,第一方面,本发明提供了一种基于交叉熵的海上石油泄漏源定位方法,其包括如下步骤:
S1,获取泄漏源的搜索范围的地质特征信息;
S2,根据所述地质特征信息初始化所述泄漏源的位置概率密度函数;
S3,根据所述位置概率密度函数确定多个候选泄漏源样本点,对每个所述泄漏源样本点进行石油泄漏模拟;
S4,根据每个所述候选泄漏源样本点的石油泄漏模拟结果确定多个高质量样本点;
S5,根据多个所述高质量样本点对所述位置概率密度函数进行优化,确定优化位置概率密度函数;
S6,根据所述优化位置概率密度函数确定多个优化高质量样本点;
重复S3至S6;S7,直至当多个所述优化高质量样本点满足预设定位条件时,根据满足预设定位条件的优化高质量样本点完成对所述泄漏源的定位。
进一步地,所述根据所述位置概率密度函数确定多个候选泄漏源样本点,对每个所述泄漏源样本点进行石油泄漏模拟包括:
采用拉丁超立方抽样根据所述位置概率密度函数确定多个所述候选泄漏源样本点;
根据ECOM溢油模拟对每个所述候选泄漏源样本点进行所述石油泄漏模拟。
进一步地,所述根据每个所述候选泄漏源样本点的石油泄漏模拟结果确定多个高质量样本点包括:
确定每个所述候选泄漏源样本点的石油泄漏模拟结果所确定的泄漏面积;
根据每个所述泄漏面积和遥感数据的真实泄漏面积确定多个所述高质量样本点。
进一步地,所述根据每个所述泄漏面积和遥感数据的真实泄漏面积确定多个所述高质量样本点包括:
将每个所述泄漏面积和遥感数据的真实泄漏面积进行比较以确定预测准确度;
根据所述预测准确度进行排序,将排名靠前的标定数量个候选泄漏源样本点确定为所述高质量样本点。
进一步地,所述根据多个所述高质量样本点对所述位置概率密度函数进行优化,确定优化位置概率密度函数包括:
根据多个所述高质量样本点的坐标更新所述位置概率密度函数以进行优化,确定所述优化位置概率密度函数。
进一步地,所述根据所述优化位置概率密度函数确定多个优化高质量样本点包括:
根据所述优化位置概率密度函数确定多个优化候选泄漏源样本点以进行所述石油泄漏模拟;
根据所述石油泄漏模拟的结果与遥感数据的真实泄漏面积的重合度确定多个所述优化高质量样本点。
进一步地,所述预设定位条件为:所述石油泄漏模拟的结果在所述遥感数据内的所述优化高质量样本点的个数与所述优化高质量样本点的总个数之间的比值达到预设阈值。
为达上述目的,第二方面,本发明提供了一种水基于交叉熵的海上石油泄漏源定位装置,其包括:
获取模块,用于泄漏源的搜索范围的地质特征信息;
处理模块,用于根据所述地质特征信息初始化所述泄漏源的位置概率密度函数;还用于根据所述位置概率密度函数确定多个候选泄漏源样本点,对每个所述泄漏源样本点进行石油泄漏模拟;还用于根据每个所述候选泄漏源样本点的石油泄漏模拟结果确定多个高质量样本点;还用于根据多个所述高质量样本点对所述位置概率密度函数进行优化,得到优化位置概率密度函数;还用于根据所述优化位置概率密度函数确定多个优化高质量样本点;
定位模块,用于直至当多个所述优化高质量样本点满足预设定位条件时,根据满足预设定位条件的优化高质量样本点完成对所述泄漏源的定位。
使用本发明的基于交叉熵的海上石油泄漏源定位方法或装置,通过对初始化的位置概率密度函数抽样产生一定数量的候选样本点,并对候选样本点进行泄漏模拟获得各样本点的预测值,根据预测值与真实的遥感图像,基于优化交叉熵和重要性抽样对位置概率密度函数进行优化,进一步确定准确度更高的优化样本点,重复迭代直至样本点的模拟泄漏结果与真实泄漏结果的重合度达到一定阈值,即可进行泄漏源的定位。本发明通过将优化问题转化为罕见事件模拟问题,通过对位置概率密度函数的迭代优化实现对最优值的快速逼近,可有效提高计算速度和准确度。且本发明不需对遥感图像进行过多处理,节省了计算开销,进一步提升了运算效率。
为达上述目的,第三方面,本发明提供了一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现根据本发明第一方面所述的基于交叉熵的海上石油泄漏源定位方法。
为达上述目的,第四方面,本发明提供了一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现根据本发明第一方面所述的基于交叉熵的海上石油泄漏源定位方法。
根据本发明的非临时性计算机可读存储介质和计算设备,具有与根据本发明第一方面的基于交叉熵的海上石油泄漏源定位方法具有类似的有益效果,在此不再赘述。
附图说明
图1为根据本发明实施例的基于交叉熵的海上石油泄漏源定位方法的流程示意图;
图2为根据本发明实施例的获取搜索范围的原理示意图;
图3为根据本发明实施例的确定样本进行泄漏源模拟的流程示意图;
图4为根据本发明实施例的确定候选泄漏源样本点的原理示意图;
图5为根据本发明实施例的确定多个高质量样本点的流程示意图;
图6为根据本发明实施例的进行石油泄漏模拟确定泄漏面积的原理示意图;
图7为根据本发明实施例的确定多个高质量样本点的原理示意图;
图8为根据本发明实施例的对泄漏源定位的原理示意图;
图9为根据本发明实施例的基于交叉熵的海上石油泄漏源定位装置的结构示意图;
图10为根据本发明实施例的计算设备的结构示意图。
具体实施方式
下面将参照附图详细描述根据本发明的实施例,描述涉及附图时,除非另有表示,不同附图中的相同附图标记表示相同或相似的要素。要说明的是,以下示例性实施例中所描述的实施方式并不代表本发明的所有实施方式。它们仅是与如权利要求书中所详述的、本发明公开的一些方面相一致的装置和方法的例子,本发明的范围并不局限于此。在不矛盾的前提下,本发明各个实施例中的特征可以相互组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
近年来,海洋溢油事故的频发不仅严重污染海洋生态环境,而且制约着海洋经济的发展。在发生石油泄漏事件时,泄漏源往往都是低于海平面,难以监测识别,导致快速有效地定位实际泄漏点非常困难。而且由于水下溢油模型非常复杂,且其复杂性来自于很多方面,例如作为化学转化和生物消耗油等方面因素的影响。且由于需要考虑垂直和水平方向的石油的流量,典型的溢油模型是随时间变化并且高度非线性的,这导致了很大的计算开销。实际上,由于卫星的固定的访问时长和较长的运行周期,监控和监测漏油仅仅依靠遥感数据远远不够。现存的致力于将数值模型与遥感数据通常结合起来用于持续监测和检测溢油扩散的方法,在解决具体实际的问题时,也需要巨大的计算开销来处理遥感数据。
本发明通过位置概率密度函数(PDF)获取多个样本点,通过将优化问题看作罕见事件模拟问题,基于对位置概率密度函数的迭代优化实现对最优值的有效逼近,提高对泄漏源定位的速度和准确度。
图1所示为根据本发明实施例的基于交叉熵的海上石油泄漏源定位方法的流程示意图,包括步骤S1至S7。
在步骤S1中,获取泄漏源的搜索范围的地质特征信息。在本发明实施例中,收集石油泄漏源目标地点的遥感数据和地质信息,即结合具体的泄漏情况,划定处理得出目标地点石油泄漏源的搜索范围。例如实际应用于蓬莱海上漏油事故时,将泄漏源的搜索范围限定在渤海。图2所示为根据本发明实施例的获取搜索范围的原理示意图。在本发明实施例中,根据获取的遥感图像,可确定海上油面的范围,但由于海水流动等多种因素的影响,此时海底实际泄漏源位置还未知。
在步骤S2中,根据所述地质特征信息初始化所述泄漏源的位置概率密度函数。在本发明实施例中,根据搜索范围的地质特征,初始化参数ui,进一步初始化泄漏源的位置概率密度函数f(X,Ui),其中,X表示泄漏源期望,ui表示标准差,在本发明实施例中,该位置概率密度函数为基于高斯分布。在步骤S3中,根据所述位置概率密度函数确定多个候选泄漏源样本点,对每个所述泄漏源样本点进行石油泄漏模拟。图3所示为根据本发明实施例的确定样本进行泄漏源模拟的流程示意图,包括步骤S31至S32。
在步骤S31中,采用拉丁超立方抽样(Latin hypercube sampling,LHS)根据所述位置概率密度函数确定多个所述候选泄漏源样本点。在本发明实施例中,假设有N个变量(维度),可以将每个变量分为M个概率相同的区间。此时,可以选取M个满足拉丁超立方条件的样本点。需要注意的是,拉丁超立方抽样要求每个变量的分区数量M相同。图4所示为根据本发明实施例的确定候选泄漏源样本点的原理示意图。在本发明实施例中,由于目前实际泄漏源未知,则随机初始化一个漏油点可能存在的区域位置中心,如图4中五角星所示,基于拉丁超立方抽样方法,根据位置概率密度函数f(X,Ui)可在这个中心位置的周围产生一系列的可能的漏油点,将这些漏油点确定为多个候选泄漏源样本点。可以理解的是,也可采用其他抽样方法生成多个候选泄漏源样本点,本发明并不以此为限。
在步骤S32中,根据ECOM溢油模拟对每个所述候选泄漏源样本点进行所述石油泄漏模拟。在本发明实施例中,对每个候选泄漏源样本点采用ECOM模型进行模拟,分别得到海上的油面。可以理解的是,也可采用其他模拟方法确定每个候选泄漏源样本点在海上的油面,本发明并不以此为限。
在步骤S4中,根据每个所述候选泄漏源样本点的石油泄漏模拟结果确定多个高质量样本点。图5所示为根据本发明实施例的确定多个高质量样本点的流程示意图,包括步骤S41至S42。
在步骤S41中,确定每个所述候选泄漏源样本点的石油泄漏模拟结果所确定的泄漏面积。图6所示为根据本发明实施例的进行石油泄漏模拟确定泄漏面积的原理示意图。在本发明实施例中,根据上述石油泄漏模拟的结果,分别确定每个候选泄漏源样本点对应产生的海上油膜的面积。
在步骤S42中,根据每个所述泄漏面积和遥感数据的真实泄漏面积确定多个所述高质量样本点。在本发明实施例中,将每个所述泄漏面积和遥感数据的真实泄漏面积进行比较确定预测准确度,并根据所述预测准确度进行排序,将排名靠前的多个候选泄漏源样本点确定为多个所述高质量样本点。
图7所示为根据本发明实施例的确定多个高质量样本点的原理示意图。在本发明实施例中,根据遥感图像数据确定真实的石油泄漏面积,然后将每个模拟的泄漏面积与真实泄漏面积进行比较的结果作为预测准确度,例如确定模拟泄漏面积与真实泄漏面积的比值,表示各个模拟结果的准确度。可以理解的是,所述预测准确度用于表示模拟泄漏面积与真实泄漏面积的重合程度,以此表征每个模拟结果的准确性,并不限于模拟泄漏面积与真实泄漏面积的比值。根据预测准确度对模拟结果进行排序,预测准确度越高的模拟结果排名越靠前,表示对应的候选泄漏源样本点的准确性越高。将标定数量个排名靠前的候选泄漏源样本点确定为高质量样本点,可有效提高后续对泄漏源定位的准确度。可以理解的是,选取高质量样本点的数量取决于当前的计算资源。
在步骤S5中,根据多个所述高质量样本点对所述位置概率密度函数进行优化,得到优化位置概率密度函数。在本发明实施例中,根据多个所述高质量样本点的坐标更新所述位置概率密度函数进行优化,确定所述优化位置概率密度函数。在本发明实施例中,为有效提高计算速度和准确度,根据多个高质量样本点结合重要性采样蒙特卡洛对位置概率密度函数进行优化。
在本发明实施例中,结合优化交叉熵(CE optimization)及基于重要性采样(importance sampling)的蒙特卡洛(Monte Carlo)算法,将泄漏源的定位问题转化为对罕见事件的模拟,通过迭代优化泄漏源的概率分布函数f(X,Ui)对最优解(即真实泄漏源)进行逼近。对于给定的一个优化问题,用表示可能的结果集。解向量集是由初始化的位置概率密度函数f(Xν,υ)的解范围域ξ随机产生的。假设目标优化问题是一个求最大值的问题,则有:
其中,S(x)表示实值函数,γ*表示所有可能的样本中具有最大值的样本。如果位置概率密度函数f(Xν,υ)的参数ν更新为u,则可以从新的位置概率密度函数产生新的一组候补结果集在本发明实施例中,根据多个高质量样本点的坐标来更新位置概率密度函数,即更新高斯分布的均值和方差来更新位置概率密度函数。可以理解的是,当位置概率密度函数基于其他类型的分布时,也可根据多个高质量样本点的坐标来更新相应参数以更新位置概率密度函数,本发明并不以此为限。
新解向量集可以用下面的公式进行评估:
Δq=S(Xu)-γ。
其中,Δq表示解向量集Xu的质量,γ表示一个实数。则S(Xu)的值比γ大的可能性可以表示为:
l=Pu(Δq≥0)=Eu(I{Δq≥0})。
其中,Eu表示期望,I表示指示函数,作用是将解向量映射到目标问题S(Xu),并对解向量的质量进行评估(例如:当且仅当Δq≥0时,I{Δq≥0}=1)。
交叉熵方法的目的是最小化目标函数S(Xu)的实数γ。这种情况下,有很高的概率Δq小于零,而γ为问题中的最大值γ*。为了计算可能性l,则需要用到粗糙蒙特卡罗(Crude Monte Carlo)。从解域中产生的大量的样本用来评估可能性l:
其中,Δq表示解向量集Xu的质量。准确估计可能性l需要大量的样本,导致了很大的计算开销,特别是当Δq≥0为罕见事件时。因此在本发明实施例中,CE算法采用了重要性抽样来解决这个问题。CE算法在解范围域ξ中定义了一个不同的位置概率密度函数h(X,ω)来做重要性抽样,结合位置概率密度函数h(X,ω)并计算来对可能性l进行评估:
位置概率密度函数h(X,ω)的计算公式为:
则的计算公式可写为:
然而当未知时,h(X,ω)会很难计算。在本发明实施例中,CE算法计算两个位置概率密度函数h(X,ω)和f(Xν,υ)的Kullback-leibler距离:
为了得到两个概率分布的最小值,则有:
结合位置概率密度函数h(X,ω)的计算公式可得:
将上式化简得到:
由于上式采用了重要性采样,所以有:
在本发明实施例中,上式中任何引用参数p都可以使等式成立。为了得出变量v的值,可以将公式变形为:
则变量v的估计值的计算公式为:
由此确定优化位置概率密度函数的参数p的值,可由对下式进行求导得出:
在本发明实施例中,根据计算得到的参数p的值来确定优化位置概率密度函数。
在步骤S6中,根据所述优化位置概率密度函数确定多个优化高质量样本点。在本发明实施例中,根据所述优化位置概率密度函数确定多个优化候选泄漏源样本点进行上述ECOM石油泄漏模拟,并根据石油泄漏模拟的结果与遥感数据的真实泄漏面积的重合度确定多个所述优化高质量样本点,即根据优化候选泄漏源样本点的模拟结果与真实泄漏面积的比值作为重合度,根据重合度对模拟结果进行排序,重合度越高的模拟结果排名越靠前,表示对应的优化候选泄漏源样本点的模拟结果与真实值的重合度高。将标定数量个排名靠前的优化候选泄漏源样本点确定为优化高质量样本点,基于该些优化高质量样本点进行泄漏源定位会更加准确。
重复以上步骤S3至S6。在步骤S7中,直至当所述优化高质量样本点满足预设定位条件时,根据满足预设定位条件的优化高质量样本点完成对所述泄漏源的定位。图8所示为根据本发明实施例的对泄漏源定位的原理示意图。
可以理解的是,在本发明实施例中,重复执行上述抽样产生样本点进行ECOM溢油模拟确定高质量样本点、根据高质量样本点优化位置概率密度函数后确定优化高质量样本点的步骤,直至当多个优化高质量样本点满足预设定位条件时,根据满足预设定位条件的优化高质量样本点完成对所述泄漏源的定位。
在本发明实施例中,所述预设定位条件为:所述石油泄漏模拟的结果(即模拟的泄漏面积)在遥感数据内的所述优化高质量样本点的个数与所述优化高质量样本点的总个数之间的比值达到预设阈值,表示此时有较多的优化高质量样本点的模拟泄漏面积与真实泄漏面积重合,根据这些样本点即可对海底石油泄漏源进行快速准确的定位。
采用本发明实施例的基于交叉熵的海上石油泄漏源定位方法,通过对初始化的位置概率密度函数抽样产生一定数量的候选样本点,并对候选样本点进行泄漏模拟获得各样本点的预测值,根据预测值与真实的遥感图像,基于优化交叉熵和重要性抽样对位置概率密度函数进行优化,进一步确定准确度更高的优化样本点,重复迭代直至样本点的模拟泄漏结果与真实泄漏结果的重合度达到一定阈值,即可进行泄漏源的定位。本发明通过将优化问题转化为罕见事件模拟问题,通过对位置概率密度函数的迭代优化实现对最优值的快速逼近,可有效提高计算速度和准确度。且本发明不需对遥感图像进行过多处理,结合模拟预测有效节省了计算开销,进一步提升了运算效率。
本发明第二方面的实施例还提供了一种基于交叉熵的海上石油泄漏源定位装置。图9所示为根据本发明实施例的基于交叉熵的海上石油泄漏源定位装置900的结构示意图,包括获取模块901、处理模块902以及定位模块903。
获取模块901用于泄漏源的搜索范围的地质特征信息。
处理模块902用于根据所述地质特征信息初始化所述泄漏源的位置概率密度函数;还用于根据所述位置概率密度函数确定多个候选泄漏源样本点,对每个所述泄漏源样本点进行石油泄漏模拟;还用于根据每个所述候选泄漏源样本点的石油泄漏模拟结果确定多个高质量样本点;还用于根据多个所述高质量样本点对所述位置概率密度函数进行优化,得到优化位置概率密度函数;还用于根据所述优化位置概率密度函数确定多个优化高质量样本点。
定位模块903用于直至当多个所述优化高质量样本点满足预设定位条件时,根据满足预设定位条件的优化高质量样本点完成对所述泄漏源的定位。
在本发明实施例中,处理模块902还用于采用拉丁超立方抽样根据所述位置概率密度函数确定多个所述候选泄漏源样本点;还用于根据ECOM溢油模拟对每个所述候选泄漏源样本点进行所述石油泄漏模拟。
在本发明实施例中,处理模块902还用于确定每个所述候选泄漏源样本点的石油泄漏模拟结果所确定的泄漏面积;还用于根据每个所述泄漏面积和遥感数据的真实泄漏面积确定多个所述高质量样本点。处理模块902还用于根据多个所述高质量样本点的坐标更新所述位置概率密度函数进行优化,确定所述优化位置概率密度函数。处理模块902还用于根据所述优化位置概率密度函数确定多个优化候选泄漏源样本点进行所述石油泄漏模拟;还用于根据所述石油泄漏模拟的结果与遥感数据的真实泄漏面积的重合度确定多个所述优化高质量样本点。
所述基于交叉熵的海上石油泄漏源定位装置900的各个模块的更具体实现方式可以参见对于本发明的基于交叉熵的海上石油泄漏源定位方法的描述,且具有与之相似的有益效果,在此不再赘述。
本发明第三方面的实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现根据本发明第一方面所述的基于交叉熵的海上石油泄漏源定位方法。
一般来说,用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质,除了临时性地传播中的信号本身。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言,特别是可以使用适于神经网络计算的Python语言和基于TensorFlow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明第四方面的实施例提供了一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现根据本发明第一方面所述的基于交叉熵的海上石油泄漏源定位方法。
根据本发明第三、四方面的非临时性计算机可读存储介质和计算设备,可以参照根据本发明第一方面实施例具体描述的内容实现,并具有与根据本发明第一方面实施例的基于交叉熵的海上石油泄漏源定位方法具有类似的有益效果,在此不再赘述。
图10示出了适于用来实现本公开的实施方式的示例性计算设备的框图。图10显示的计算设备12仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示,计算设备12可以通用计算设备的形式实现。计算设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及***组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
计算设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)30和/或高速缓存存储器32。计算设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性的计算机可读存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图中未显示,通常称为“硬盘驱动器”)。尽管图10中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如:光盘只读存储器(Compact Disc Read OnlyMemory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory;以下简称:DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
计算设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信,和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network;以下简称:LAN),广域网(Wide Area Network;以下简称:WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算设备12的其它模块通信。要说明的是,尽管图中未示出,可以结合计算设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁盘驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现前述实施例中提及的方法。
本发明的计算设备可以是服务器,也可以有限算力的终端设备。
尽管上面已经示出和描述了本发明的实施例,应当理解的是,上述实施例是示例性的,不能解释为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种基于交叉熵的海上石油泄漏源定位方法,其特征在于,包括如下步骤:
S1,获取泄漏源的搜索范围的地质特征信息;
S2,根据所述地质特征信息初始化所述泄漏源的位置概率密度函数;
S3,根据所述位置概率密度函数确定多个候选泄漏源样本点,对每个所述泄漏源样本点进行石油泄漏模拟;
S4,根据每个所述候选泄漏源样本点的石油泄漏模拟结果确定多个高质量样本点;
S5,根据多个所述高质量样本点对所述位置概率密度函数进行优化,确定优化位置概率密度函数;
S6,根据所述优化位置概率密度函数确定多个优化高质量样本点;
重复S3至S6;S7,直至当多个所述优化高质量样本点满足预设定位条件时,根据满足预设定位条件的优化高质量样本点完成对所述泄漏源的定位;
根据每个所述候选泄漏源样本点的石油泄漏模拟结果确定多个高质量样本点包括:
确定每个所述候选泄漏源样本点的石油泄漏模拟结果所确定的泄漏面积;
根据每个所述泄漏面积和遥感数据的真实泄漏面积确定多个所述高质量样本点。
2.根据权利要求1所述的基于交叉熵的海上石油泄漏源定位方法,其特征在于,所述根据所述位置概率密度函数确定多个候选泄漏源样本点,对每个所述泄漏源样本点进行石油泄漏模拟包括:
采用拉丁超立方抽样根据所述位置概率密度函数确定多个所述候选泄漏源样本点;
根据ECOM溢油模拟对每个所述候选泄漏源样本点进行所述石油泄漏模拟。
3.根据权利要求1所述的基于交叉熵的海上石油泄漏源定位方法,其特征在于,所述根据每个所述泄漏面积和遥感数据的真实泄漏面积确定多个所述高质量样本点包括:
将每个所述泄漏面积和遥感数据的真实泄漏面积进行比较以确定预测准确度;
根据所述预测准确度进行排序,将排名靠前的标定数量个候选泄漏源样本点确定为所述高质量样本点。
4.根据权利要求1所述的基于交叉熵的海上石油泄漏源定位方法,其特征在于,所述根据多个所述高质量样本点对所述位置概率密度函数进行优化,确定优化位置概率密度函数包括:
根据多个所述高质量样本点的坐标更新所述位置概率密度函数以进行优化,确定所述优化位置概率密度函数。
5.根据权利要求1所述的基于交叉熵的海上石油泄漏源定位方法,其特征在于,所述根据所述优化位置概率密度函数确定多个优化高质量样本点包括:
根据所述优化位置概率密度函数确定多个优化候选泄漏源样本点以进行所述石油泄漏模拟;
根据所述石油泄漏模拟的结果与遥感数据的真实泄漏面积的重合度确定多个所述优化高质量样本点。
6.根据权利要求5所述的基于交叉熵的海上石油泄漏源定位方法,其特征在于,所述预设定位条件为:所述石油泄漏模拟的结果在所述遥感数据内的所述优化高质量样本点的个数与所述优化高质量样本点的总个数之间的比值达到预设阈值。
7.一种水基于交叉熵的海上石油泄漏源定位装置,其特征在于,包括:
获取模块,用于泄漏源的搜索范围的地质特征信息;
处理模块,用于根据所述地质特征信息初始化所述泄漏源的位置概率密度函数;还用于根据所述位置概率密度函数确定多个候选泄漏源样本点,对每个所述泄漏源样本点进行石油泄漏模拟;还用于根据每个所述候选泄漏源样本点的石油泄漏模拟结果确定多个高质量样本点;还用于根据多个所述高质量样本点对所述位置概率密度函数进行优化,得到优化位置概率密度函数;还用于根据所述优化位置概率密度函数确定多个优化高质量样本点,还用于确定每个所述候选泄漏源样本点的石油泄漏模拟结果所确定的泄漏面积;根据每个所述泄漏面积和遥感数据的真实泄漏面积确定多个所述高质量样本点;
定位模块,用于直至当多个所述优化高质量样本点满足预设定位条件时,根据满足预设定位条件的优化高质量样本点完成对所述泄漏源的定位。
8.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现根据权利要求1-6中任一项所述的基于交叉熵的海上石油泄漏源定位方法。
9.一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现根据权利要求1-6中任一项所述的基于交叉熵的海上石油泄漏源定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010430779.6A CN111680889B (zh) | 2020-05-20 | 2020-05-20 | 一种基于交叉熵的海上石油泄漏源定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010430779.6A CN111680889B (zh) | 2020-05-20 | 2020-05-20 | 一种基于交叉熵的海上石油泄漏源定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111680889A CN111680889A (zh) | 2020-09-18 |
CN111680889B true CN111680889B (zh) | 2023-08-18 |
Family
ID=72434096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010430779.6A Active CN111680889B (zh) | 2020-05-20 | 2020-05-20 | 一种基于交叉熵的海上石油泄漏源定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111680889B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030059850A (ko) * | 2001-12-29 | 2003-07-12 | 에스케이 주식회사 | 해양오염 방제방법 및 시스템 |
CN103344881A (zh) * | 2013-06-27 | 2013-10-09 | 黑龙江科技大学 | 基于组合型交叉熵算法的电网故障诊断方法 |
CN104462727A (zh) * | 2014-12-31 | 2015-03-25 | 中国科学院遥感与数字地球研究所 | 一种基于动态遥感数据驱动的溢油仿真参数优化方法 |
KR101534620B1 (ko) * | 2014-01-22 | 2015-07-24 | 한국해양과학기술원 | 해상 유출유 탐지 방법 및 장치 |
CN105160681A (zh) * | 2015-09-09 | 2015-12-16 | 浙江海洋学院 | 一种海面溢油监测方法及装置 |
CN105930565A (zh) * | 2016-04-13 | 2016-09-07 | 中山大学 | 基于线性策略的交叉熵算法的交通仿真模型参数标定方法 |
CN106022245A (zh) * | 2016-05-16 | 2016-10-12 | 中国资源卫星应用中心 | 一种基于算法分类的多源遥感卫星数据并行处理***及方法 |
CN109827079A (zh) * | 2019-03-18 | 2019-05-31 | 东北大学 | 一种基于海底石油管道信息物理***的溢油源检测方法 |
CN109993280A (zh) * | 2019-03-27 | 2019-07-09 | 东南大学 | 一种基于深度学习的水下声源定位方法 |
CN110139359A (zh) * | 2018-02-08 | 2019-08-16 | 上海大唐移动通信设备有限公司 | 一种干扰源定位处理方法及装置 |
CN110188960A (zh) * | 2019-06-03 | 2019-08-30 | 中国人民解放军国防科技大学 | 一种海上溢油事故应急处置***的多目标组合优化配置方法 |
CA3109042A1 (en) * | 2018-08-09 | 2020-02-13 | Tyler Randall Reece | Leak detection with artificial intelligence |
CN110910448A (zh) * | 2019-11-27 | 2020-03-24 | 浙江海洋大学 | 一种海上溢油漂移轨迹溯源方法 |
CN111144055A (zh) * | 2019-12-27 | 2020-05-12 | 苏州大学 | 城市环境中有毒重气泄漏浓度分布确定方法、装置及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170255717A1 (en) * | 2016-03-04 | 2017-09-07 | International Business Machines Corporation | Anomaly localization in a pipeline |
-
2020
- 2020-05-20 CN CN202010430779.6A patent/CN111680889B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030059850A (ko) * | 2001-12-29 | 2003-07-12 | 에스케이 주식회사 | 해양오염 방제방법 및 시스템 |
CN103344881A (zh) * | 2013-06-27 | 2013-10-09 | 黑龙江科技大学 | 基于组合型交叉熵算法的电网故障诊断方法 |
KR101534620B1 (ko) * | 2014-01-22 | 2015-07-24 | 한국해양과학기술원 | 해상 유출유 탐지 방법 및 장치 |
CN104462727A (zh) * | 2014-12-31 | 2015-03-25 | 中国科学院遥感与数字地球研究所 | 一种基于动态遥感数据驱动的溢油仿真参数优化方法 |
CN105160681A (zh) * | 2015-09-09 | 2015-12-16 | 浙江海洋学院 | 一种海面溢油监测方法及装置 |
CN105930565A (zh) * | 2016-04-13 | 2016-09-07 | 中山大学 | 基于线性策略的交叉熵算法的交通仿真模型参数标定方法 |
CN106022245A (zh) * | 2016-05-16 | 2016-10-12 | 中国资源卫星应用中心 | 一种基于算法分类的多源遥感卫星数据并行处理***及方法 |
CN110139359A (zh) * | 2018-02-08 | 2019-08-16 | 上海大唐移动通信设备有限公司 | 一种干扰源定位处理方法及装置 |
CA3109042A1 (en) * | 2018-08-09 | 2020-02-13 | Tyler Randall Reece | Leak detection with artificial intelligence |
CN109827079A (zh) * | 2019-03-18 | 2019-05-31 | 东北大学 | 一种基于海底石油管道信息物理***的溢油源检测方法 |
CN109993280A (zh) * | 2019-03-27 | 2019-07-09 | 东南大学 | 一种基于深度学习的水下声源定位方法 |
CN110188960A (zh) * | 2019-06-03 | 2019-08-30 | 中国人民解放军国防科技大学 | 一种海上溢油事故应急处置***的多目标组合优化配置方法 |
CN110910448A (zh) * | 2019-11-27 | 2020-03-24 | 浙江海洋大学 | 一种海上溢油漂移轨迹溯源方法 |
CN111144055A (zh) * | 2019-12-27 | 2020-05-12 | 苏州大学 | 城市环境中有毒重气泄漏浓度分布确定方法、装置及介质 |
Non-Patent Citations (1)
Title |
---|
基于遥感和GIS的海上溢油风险识别及区划研究;邴磊;中国博士学位论文全文数据库(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111680889A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112800915A (zh) | 建筑物变化检测方法、装置、电子设备以及存储介质 | |
CN110555352A (zh) | 一种兴趣点识别方法、装置、服务器和存储介质 | |
CN117671508B (zh) | 基于sar图像的高陡边坡滑坡检测方法及*** | |
Tsou | Genetic algorithm for solving celestial navigation fix problems | |
KR20220117341A (ko) | 차선 검출 모델의 트레이닝 방법, 장치, 전자 기기 및 저장 매체 | |
CN111680889B (zh) | 一种基于交叉熵的海上石油泄漏源定位方法及装置 | |
CN109597881A (zh) | 匹配度确定方法、装置、设备和介质 | |
CN113704276A (zh) | 地图更新方法、装置、电子设备及计算机可读存储介质 | |
US20230314144A1 (en) | System and method for estimating drift path of marine floating body | |
CN112529315B (zh) | 一种滑坡的预测方法、装置、设备和存储介质 | |
CN112560267B (zh) | 一种斜坡单元的划分方法、装置、设备和存储介质 | |
CN115358327A (zh) | 基于pca-svm的海洋温跃层数据可视化方法、装置、设备及介质 | |
CN112989258B (zh) | 一种极地海冰厚度测量方法、装置、电子设备和存储介质 | |
CN114842305A (zh) | 深度预测模型训练方法、深度预测方法及相关装置 | |
CN114861984A (zh) | 用于预测高含co2凝析气藏油环体积的方法及处理器 | |
CN113706705A (zh) | 用于高精地图的图像处理方法、装置、设备以及存储介质 | |
CN112149005A (zh) | 用于确定搜索结果的方法、装置、设备和可读存储介质 | |
US20230359824A1 (en) | Feature crossing for machine learning | |
CN112148285B (zh) | 一种界面设计方法、装置、电子设备及存储介质 | |
CN116957414B (zh) | 基于人工智能的村庄规划分析方法及装置 | |
CN112733817B (zh) | 一种高精度地图中点云图层精度的测量方法及电子设备 | |
CN111611406B (zh) | 用于人工智能学习模式的数据存储***与方法 | |
EP4403963A1 (en) | Systems and methods for estimating floods | |
CN118457864A (zh) | 船舶航行状态预测网络训练方法、应用方法、设备及介质 | |
CN113341461A (zh) | 地震速度预测方法、装置及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |