基于遗传算法优化单类支持向量机的油田离心泵注水站异常检测

摘要：

目前油田离心泵注水站多采用传统的人工巡检等方式进行异常检测,存在浪费大量资源且检测精度不高的情况.针对此问题,提出一种基于遗传算法优化单类支持向量机(genetic algorithm optimized one-class support vector machine,GA-OC-SVM)的注水站异常检测方法.首先,对注水站数据进行标准化、归一化处理以及特征提取;其次,使用遗传算法进行寻优得到最佳种群个体值作为单类支持向量机的参数,建立检测模型;最后,将GA-OC-SVM算法与孤立森林算法、局部离群因子算法等主流方法用于测试数据集的异常检测对比,并分析算法的精度,采用接受者操作特征(receiver operating characteristics,ROC)曲线进行模型评价.结果表明所提出的GA-OC-SVM算法更优,检测精度达到99％,同时能够节省大量的人力物力资源.

关键词：油田离心泵注水站、异常检测、遗传算法、GA-OC-SVM、ROC曲线

所属期刊栏目：23

分类号：TP399(计算技术、计算机技术)

资助基金：国家科技重大专项;湖北省科技示范项目

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：283-289