Continuous Small Leakage Identification Method of Urban Pipeline Based on Improved MVMD Fusion Machine Learning

Dieser Artikel geht der kritischen Frage nach, wie kontinuierlich kleine Lecks in städtischen Pipelines entdeckt werden können, die erhebliche Sicherheitsrisiken und Herausforderungen für eine nachhaltige Stadtentwicklung darstellen. Die Autoren stellen eine fortschrittliche Methode vor, die eine verbesserte Multivariate Variational Mode Decomposition (MVMD) mit maschinellen Lerntechniken kombiniert, um die Genauigkeit und Effizienz der Leckageerkennung zu verbessern. Die Studie beleuchtet die Grenzen traditioneller akustischer wellenbasierter Methoden, die häufig durch Hintergrund- und Betriebsgeräusche gestört werden, was zu niedrigen Erkennungsraten führt. Der vorgeschlagene Ansatz umfasst die adaptive Bestimmung der Anzahl der Zersetzungsmodi und die Auswahl rekonstruierter Komponenten auf Grundlage der normalisierten Shannon-Entropie. Diese Methode verbessert das Signal-Rausch-Verhältnis signifikant und reduziert Störungen durch Rauschen, wodurch es einfacher wird, Lecksignale zu analysieren und zu identifizieren. Der Artikel beschreibt auch das experimentelle Design und den Datenerfassungsprozess und gibt einen detaillierten Überblick über die Prüfgeräte und die Erfassung von Infraschallsignalen unter verschiedenen Leckagebedingungen. Die Extraktion und Selektion von Merkmalen sind entscheidende Schritte in der vorgeschlagenen Methode, wobei zufälliger Wald (Random Forest, RF) verwendet wird, um die Bedeutung unterschiedlicher Merkmale zu bewerten. Die diskriminierendsten Merkmale wie Wurzelmittelquadrat (RMS), kurzfristige Energie (STE), Margin-Faktor (MF) und Wellenformfaktor (WF) werden identifiziert und verwendet, um BP-neuronale Netzwerk- und Vektormaschinenmodelle (SVM) zu trainieren. Die Ergebnisse zeigen, dass die vorgeschlagene Methode eine Erkennungsgenauigkeit von 98,22% für BP-neuronale Netzwerke und 97,22% für SVM erreicht, was eine deutliche Verbesserung gegenüber herkömmlichen MVMD-Zersetzungsmethoden darstellt. Der Artikel schließt mit der Diskussion der potenziellen Anwendungen und zukünftigen Richtungen der vorgeschlagenen Methode, wobei die Wirksamkeit der Methode bei der Verbesserung der Signalqualität und der Unterscheidung von Merkmalen für die Erkennung von Pipeline-Leckagen hervorgehoben wird.