基于集成学时间序列预测的隧道事件检测方法

摘要

本发明公开了一种基于集成学时间序列预测的隧道事件检测方法，主要解决同类方法不能对传感器值精确预测达到有效控制隧道通风的问题。其检测步骤为：对采集的公路隧道数据进行预处理，形成训练数据集；根据训练数据集训练出多个基预测器，由基预测器加权组合形成强预测器；根据当前t时刻隧道传感器的值，利用强预测器计算t+1时刻隧道烟雾浓度预测值，并根据预测误差动态调整参与集成的基预测器；将t+1时刻的隧道烟雾浓度预测值与烟雾浓度阈值比较，判断烟雾浓度是否为超标事件；对于超标事件，计算通风控制器的控制参数，降低烟雾浓度。本发明具有预测功能强、控制通风控制器精度高的优点，用于高速公路隧道的运营监控及节能减排方面。

主权项

1.一种基于集成学习时间序列预测的隧道事件检测方法，包括如下过程：(1)对收集的高速公路隧道烟雾浓度、一氧化碳浓度、车流量和风速的传感器周期性检测数据进行数据修补预处理，形成隧道传感器训练数据集；(2)利用集成学习方法根据隧道传感器训练数据集训练出L个基预测器(1≤L≤20)，由基预测器加权组合形成强预测器；(3)根据当前t时刻高速公路隧道传感器的检测值，利用强预测器计算t+1时刻隧道的烟雾浓度预测值，并根据预测误差动态调整参与集成的基预测器，形成新的强预测器；(4)将t+1时刻的隧道烟雾浓度预测值与烟雾浓度阈值比较，当该预测值大于阈值，则判为烟雾浓度超标事件，否则隧道运营正常；(5)对于t+1时刻的烟雾浓度超标事件，利用比例积分微分控制参数判定算法计算其比例参数Kp、积分参数Ki及微分参数Kd，并传输给变频通风控制器进行通风控制。