本申請涉及光纖故障檢測，尤其是涉及一種光纖振動監(jiān)測、評價方法及裝置。

背景技術(shù)：

1、光纖作為數(shù)據(jù)傳輸?shù)闹饕浇?，隨著信息時代的不斷發(fā)展，其應(yīng)用范圍日益廣泛。光纖的普及和使用年限的延長使得對其健康狀況的監(jiān)控和評估變得至關(guān)重要。確保光纖的良好運(yùn)行狀態(tài)，不僅是維持?jǐn)?shù)據(jù)傳輸?shù)年P(guān)鍵，也是防止通信故障和數(shù)據(jù)丟失的必要措施。一些人為破壞或不良施工行為都極有可能影響光纖的正常運(yùn)行。因此，及時發(fā)現(xiàn)光纖所處環(huán)境中的第三方入侵事件是極為必要的。

2、現(xiàn)有技術(shù)中，檢測第三方入侵事件主要依托振動源檢測，其中的一個手段是采用相位敏感光時域反射儀(φ-otdr)的傳感數(shù)據(jù)，利用不同的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)方法來識別傳感數(shù)據(jù)中的模式，從而找到有危險性的振動事件，識別為第三方入侵事件并進(jìn)行預(yù)警。

3、在這些機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的方法中，主要可以分為以svm、隨機(jī)森林、cnn、lstm為代表的監(jiān)督學(xué)習(xí)、和以knn、dbscan為代表的無監(jiān)督學(xué)習(xí)。前者可以對具有不同模式的振動事件進(jìn)行分類，每個模型都有其在特定類型的數(shù)據(jù)或特定問題上的優(yōu)勢，但單個模型可能過于復(fù)雜并傾向于過擬合數(shù)據(jù)；而后者雖然模型簡單、穩(wěn)健性強(qiáng)，但是針對某一聚類簇邊緣的樣本，往往識別精準(zhǔn)度將會較低。

4、現(xiàn)有技術(shù)中也存在融合多個模型的方法，如cn116992330a基于stacking集成策略的不平衡數(shù)據(jù)故障診斷識別方法及裝置，其包括多種分類器，個體分類器包括支持向量機(jī)svm、梯度提升決策樹gbdt、極端梯度提升xgboost、輕量級梯度提升機(jī)lightgbm、人工神經(jīng)網(wǎng)絡(luò)ann、邏輯回歸lra、k近鄰算法knn中的多種。又如cn115410643a一種基于stacking集成學(xué)習(xí)的增強(qiáng)子的預(yù)測方法、系統(tǒng)、設(shè)備及存儲介質(zhì)，使用k近鄰(knn)算法構(gòu)建了5個不同參數(shù)的基分類器作為stacking集成學(xué)習(xí)模型的基模型，不同基分類器之間相互獨(dú)立，在訓(xùn)練時并行計算。本發(fā)明提出了一種不同于上述方法的對光纖振動進(jìn)行監(jiān)測并評價的方法及裝置，能夠針對不同場景對參數(shù)進(jìn)行調(diào)整，以滿足不同場景的實(shí)際使用需求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在提供一種光纖振動監(jiān)測、評價方法及裝置，以解決現(xiàn)有技術(shù)中存在的不足，本發(fā)明要解決的技術(shù)問題通過以下技術(shù)方案來實(shí)現(xiàn)。

2、一種光纖振動監(jiān)測、評價方法，包括：

3、獲取時域信號樣本，將時域信號樣本轉(zhuǎn)換成信號特征樣本；

4、將信號特征樣本輸入訓(xùn)練好的stacking模型，獲得分類標(biāo)簽；

5、其中，stacking模型包括基學(xué)習(xí)器階段和模型融合階段，其中，基學(xué)習(xí)器階段包括多個基學(xué)習(xí)器，模型融合階段包括一個集成學(xué)習(xí)器；

6、所述訓(xùn)練好的stacking模型由訓(xùn)練集訓(xùn)練得到，具體為:

7、訓(xùn)練集由時域信號樣本轉(zhuǎn)換成的信號特征樣本和振動事件標(biāo)簽構(gòu)成，信號特征樣本輸入基學(xué)習(xí)器階段，多個基學(xué)習(xí)器分別針對信號特征樣本給出事件類別預(yù)測向量，多個基學(xué)習(xí)器的輸出以及對應(yīng)樣本的振動事件標(biāo)簽作為模型融合階段集成學(xué)習(xí)器的輸入，對集成學(xué)習(xí)器進(jìn)行訓(xùn)練。

8、所述時域信號樣本為基于φ-otdr技術(shù)的傳感數(shù)據(jù)。

9、所述基學(xué)習(xí)器階段包括5個基學(xué)習(xí)器，分別為knn、lightgbm、xgboost、adaboost和袋裝法分類器，所述集成學(xué)習(xí)器為xgboost分類器。

10、所述信號特征樣本是由指標(biāo)特征構(gòu)成的向量，包括四方面指標(biāo)，分別為基礎(chǔ)統(tǒng)計特征、波性和形狀特征、能量和比例特征、動態(tài)范圍特征，其中基礎(chǔ)統(tǒng)計特征用于指示信號的中心趨勢和波動范圍，波動和形狀特征用于指示信號分布的形狀和波動性，能量和比例特征用于指示信號的能量和峰值，動態(tài)范圍特征用于指示信號最大振幅和最小振幅之間的差異和信號動態(tài)范圍。

11、所述信號特征樣本為對應(yīng)分類標(biāo)簽為其中k為振動事件的樣本數(shù)，m為每一樣本的特征數(shù)，每一個基學(xué)習(xí)器對這些k個樣本將會得出k個預(yù)測向量，合并表示為r為振動事件類別數(shù)量，每個樣本都會得到一個歸屬于每個類別的概率1xr，并設(shè)定每個1xr的向量元素之和為1，再將所有基學(xué)習(xí)器預(yù)測結(jié)果堆疊形成n為基學(xué)習(xí)器個數(shù)。

12、將多個基學(xué)習(xí)器堆疊形成的輸入到集成學(xué)習(xí)器中再進(jìn)行訓(xùn)練，輸出分類標(biāo)簽。

13、所述集成學(xué)習(xí)器將多個基學(xué)習(xí)器對樣本的預(yù)測分類結(jié)果與該樣本的實(shí)際分類結(jié)果進(jìn)行比較，以判斷在不同情況下不同基學(xué)習(xí)器的預(yù)測性能,從而針對不同場景對參數(shù)進(jìn)行調(diào)整。

14、所述集成學(xué)習(xí)器根據(jù)準(zhǔn)確率、精準(zhǔn)率、召回率、f1分?jǐn)?shù)和auc指標(biāo)對模型的性能進(jìn)行判斷，其中準(zhǔn)確率是總體樣本預(yù)測正確的比率，精準(zhǔn)率是在被預(yù)測為正例樣本中真實(shí)正例所占的比例，召回率是在真實(shí)的正例樣本中預(yù)測為正例的比例，f1分?jǐn)?shù)是精準(zhǔn)率與召回率的調(diào)和平均值，auc是roc曲線下方的面積。

15、一種光纖振動監(jiān)測、評價裝置，包括：

16、樣本獲取模塊，獲取時域信號樣本，將時域信號樣本轉(zhuǎn)換成信號特征樣本；

17、stacki?ng模型，接收信號特征樣本，將信號特征樣本輸入stacki?ng模型，獲得分類標(biāo)簽；

18、其中，stacki?ng模型包括基學(xué)習(xí)器階段和模型融合階段，其中，基學(xué)習(xí)器階段包括多個基學(xué)習(xí)器，模型融合階段包括一個集成學(xué)習(xí)器；

19、所述stacki?ng模型由訓(xùn)練集訓(xùn)練得到，具體為:

20、訓(xùn)練集由時域信號樣本轉(zhuǎn)換成的信號特征樣本和振動事件標(biāo)簽構(gòu)成，信號特征樣本輸入基學(xué)習(xí)器階段，多個基學(xué)習(xí)器分別針對信號特征樣本給出事件類別預(yù)測向量，多個基學(xué)習(xí)器的輸出以及對應(yīng)樣本的振動事件標(biāo)簽作為模型融合階段集成學(xué)習(xí)器的輸入，對集成學(xué)習(xí)器進(jìn)行訓(xùn)練。

21、所述stacki?ng模型的基學(xué)習(xí)器階段包括5個基學(xué)習(xí)器，分別為knn、li?ghtgbm、xgboost、adaboost和袋裝法分類器，所述集成學(xué)習(xí)器為xgboost分類器。

22、本發(fā)明的光纖振動監(jiān)測、評價方法，具有以下有益效果：

23、1、通過組合多個不同機(jī)器學(xué)習(xí)模型的預(yù)測，不僅能夠處理和分析大量的振動數(shù)據(jù)，而且能夠通過整合多種模型的預(yù)測結(jié)果來有效提升振動事件識別的準(zhǔn)確性和效率。

24、2、集成學(xué)習(xí)器對基學(xué)習(xí)器的預(yù)測分類結(jié)果與樣本實(shí)際分類結(jié)果進(jìn)行比較，判斷在不同情況下不同基學(xué)習(xí)器的預(yù)測性能,從而針對不同場景對參數(shù)進(jìn)行調(diào)整。

25、3、集成學(xué)習(xí)器通過準(zhǔn)確率、精準(zhǔn)率、召回率、f1分?jǐn)?shù)和auc指標(biāo)對模型的性能進(jìn)行判斷，針對不同場景的要求設(shè)置對應(yīng)的權(quán)重，以滿足不同場景的實(shí)際使用需求。

技術(shù)特征：

1.一種光纖振動監(jiān)測、評價方法，其特征在于：包括：

2.根據(jù)權(quán)利要求1所述的光纖振動監(jiān)測、評價方法，其特征在于：所述時域信號樣本為基于φ-otdr技術(shù)的傳感數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的光纖振動監(jiān)測、評價方法，其特征在于：所述基學(xué)習(xí)器階段包括5個基學(xué)習(xí)器，分別為knn、lightgbm、xgboost、adaboost和袋裝法分類器，所述集成學(xué)習(xí)器為xgboost分類器。

4.根據(jù)權(quán)利要求1所述的光纖振動監(jiān)測、評價方法，其特征在于：所述信號特征樣本是由指標(biāo)特征構(gòu)成的向量，包括四方面指標(biāo)，分別為基礎(chǔ)統(tǒng)計特征、波動和形狀特征、能量和比例特征、動態(tài)范圍特征，其中基礎(chǔ)統(tǒng)計特征用于指示信號的中心趨勢和波動范圍，波動和形狀特征用于指示信號分布的形狀和波動性，能量和比例特征用于指示信號的能量和峰值，動態(tài)范圍特征用于指示信號最大振幅和最小振幅之間的差異和信號動態(tài)范圍。

5.根據(jù)權(quán)利要求1所述的光纖振動監(jiān)測、評價方法，其特征在于：所述信號特征樣本為對應(yīng)分類標(biāo)簽為其中k為振動事件的樣本數(shù)，m為每一樣本的特征數(shù)，每一個基學(xué)習(xí)器對這些k個樣本將會得出k個預(yù)測向量，合并表示為r為振動事件類別數(shù)量，每個樣本都會得到一個歸屬于每個類別的概率1xr，并設(shè)定每個1xr的向量元素之和為1，再將所有基學(xué)習(xí)器預(yù)測結(jié)果堆疊形成n為基學(xué)習(xí)器個數(shù)。

6.根據(jù)權(quán)利要求5所述的光纖振動監(jiān)測、評價方法，其特征在于：將多個基學(xué)習(xí)器堆疊形成的輸入到集成學(xué)習(xí)器中再進(jìn)行訓(xùn)練，輸出分類標(biāo)簽

7.根據(jù)權(quán)利要求1所述的光纖振動監(jiān)測、評價方法，其特征在于：所述集成學(xué)習(xí)器將多個基學(xué)習(xí)器對樣本的分類標(biāo)簽與該樣本的振動事件標(biāo)簽進(jìn)行比較，以判斷在不同情況下不同基學(xué)習(xí)器的預(yù)測性能,從而針對不同場景對參數(shù)進(jìn)行調(diào)整。

8.根據(jù)權(quán)利要求7所述的光纖振動監(jiān)測、評價方法，其特征在于：所述集成學(xué)習(xí)器根據(jù)準(zhǔn)確率、精準(zhǔn)率、召回率、f1分?jǐn)?shù)和auc指標(biāo)對模型的性能進(jìn)行判斷，其中，準(zhǔn)確率是總體樣本預(yù)測正確的比率，精準(zhǔn)率是在被預(yù)測為正例樣本中真實(shí)正例所占的比例，召回率是在真實(shí)的正例樣本中預(yù)測為正例的比例，f1分?jǐn)?shù)是精準(zhǔn)率與召回率的調(diào)和平均值，auc是roc曲線下方的面積。

9.一種光纖振動監(jiān)測、評價裝置，其特征在于：包括：

10.根據(jù)權(quán)利要求9所述的光纖振動監(jiān)測、評價裝置，其特征在于：所述stacking模型的基學(xué)習(xí)器階段包括5個基學(xué)習(xí)器，分別為knn、lightgbm、xgboost、adaboost和袋裝法分類器，所述集成學(xué)習(xí)器為xgboost分類器。

技術(shù)總結(jié)
本申請涉及一種光纖振動監(jiān)測、評價方法及裝置，包括：獲取時域信號樣本，將時域信號樣本轉(zhuǎn)換成信號特征樣本；將信號特征樣本輸入訓(xùn)練好的Stacking模型，獲得事件類別預(yù)測結(jié)果；其中，Stacking模型包括基學(xué)習(xí)器階段和模型融合階段，其中，基學(xué)習(xí)器階段包括多個基學(xué)習(xí)器，模型融合階段包括一個集成學(xué)習(xí)器；所述訓(xùn)練好的Stacking模型由訓(xùn)練集訓(xùn)練得到，訓(xùn)練集由時域信號樣本轉(zhuǎn)換成的信號特征樣本和振動事件標(biāo)簽構(gòu)成，信號特征樣本輸入基學(xué)習(xí)器階段，多個基學(xué)習(xí)器分別針對信號特征樣本給出事件類別預(yù)測向量，多個基學(xué)習(xí)器的輸出以及對應(yīng)樣本的振動事件標(biāo)簽作為模型融合階段集成學(xué)習(xí)器的輸入，對集成學(xué)習(xí)器進(jìn)行訓(xùn)練。

技術(shù)研發(fā)人員：初雯雯,李育冰,劉志兵,劉洪生,葛淑云,蒙杰,胡闖,王巍巍,苗建美
受保護(hù)的技術(shù)使用者：中鐵電氣化局集團(tuán)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10