(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211133665.0 (22)申请日 2022.09.19 (71)申请人 辽宁石油化工大 学 地址 113001 辽宁省抚顺市望花区丹东路 西段1号 (72)发明人 崔婷婷　赵斌　高殿奎　 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/00(2006.01) (54)发明名称 一种压缩天然气加气站智能风险评估方法 (57)摘要 本发明涉及一种压缩天然气加气站智能风 险评估方法； 包括如下构建步骤： 步骤1构建楔形 波多核支持向量机； 步骤2确定改进蝗虫算法优 化优化楔形波支持向量机； 步骤3确定压缩天然 气加气站风险评估指标体系； 步骤4采集与压缩 天然气加气站风险指标体系相关的数据并且利 用专家评价法和问卷法确定输入样 本数据。 步骤 5将压缩天然气加气站的风险水平划分为五个等 级且将风险等级作为评估模型的输出样本数据。 步骤6收集压缩天然气加气站风险评估相关数据 且确定训练样本和测试样本； 步骤7利用训练数 据样本对评估模型进行训练且利用训练后的评 估模型对待评估压缩天然气加气站风险水平进 行评估。 利用以上构造的石化企业炼油装置能源 管理系统优化方法。 本发明能够提高压缩天然气 加气站风险评估的精度和效率， 进而可以提升压 缩天然气加气站安全管理水平。 权利要求书3页 说明书8页 附图1页 CN 115496353 A 2022.12.20 CN 115496353 A 1.一种压缩天然气加气站智能风险评估方法， 其特 征在于包括如下步骤： 步骤1： 构建楔形波 多核支持向量机 将对不同尺度和方向的变化均具有良好鲁棒性的楔形波变换与支持向量机相结合， 建 立了楔形波支持向量机。 针对单核函数支持向量机在处理多 特征集合的机器学习任务时在 评估中的盲目性问题， 通过局部和全局核函数的加权线性相加生成多核支持向量机对数据 进行分类， 进一 步提高分类精度， 从而提高压缩天然气加气站的风险评估精度。 步骤2： 确定改进蝗虫算法优化优化楔形波支持向量机 为了提高楔形波多核支持向量机的风险评估 效果， 将具备较好全局优化性能以及较 高 收敛精度的改进蝗虫优化算法应用于楔形波多核支持向量机惩罚因子、 核函数参数和权重 的优化。 步骤3： 确定 压缩天然气加气站风险评估指标体系 通过详细地收集和分析压缩天然气加气站设计、 施工、 运行、 运行、 泄漏、 缺陷、 人员、 社 会和经济方面的数据， 系统、 全面和定性地识别压缩天然气加气站的风险影响因素。 根据风 险形成机制， 确定压缩天然气加气站风险指标体系。 确定天然气加气站风险评估体系的一 级指标和二级指标。 步骤4： 采集与压缩天然气加气站风险指标体系相关的数据， 通过专家评价法和问卷法 确定一级指标值， 确定 输入样本数据。 步骤5： 将压缩天然气加气站的风险水平划分为五个等级， 分别是I级(分数区间为 [0.90,1.00])、 II级(分数区间为[0.75,0.9 0))、 III级(分数区间为[0.60,0.75))、 IV级(分 数区间为[0.45,0.60))和V级(分数区间为[0,0.45))。 风险等级作为评估模型的输出样本 数据。 步骤6： 收集压缩天然气加气站风险评估相关数据， 将数据划分为两个部分， 分别为训 练数据样本和 测试数据样本 。 步骤7： 利用训练数据样本对评估模型进行训练， 然后利用训练后的评估模型对待评估 压缩天然气加气站风险水平进行评估， 判定待评估压缩天然气加气站的安全状况。 2.根据权利要求1所述的一种压缩天然气加气站智能风险评估方法， 其特征在于楔形 波多核支持向量机构造步骤如下： 步骤1‑1： 构建组合核函数， 相应的公式如下 所示： 式中， λi表示权重系数， ki(x,y)表示单核函数， 表达式如下 所示： 式中， c表示尺度因子， di和ei表示平移因子。 步骤1‑2： 定义回归函数， 如下 所示： 式中， ω表示权 重变量， 表示映射 函数,B表示补偿因子 。权　利　要　求　书 1/3 页 2 CN 115496353 A 2步骤1‑3： 定义目标函数和边界条件， 如下 所示： 式中， L表示样本数， D表示 惩罚因子 。 步骤1‑4： 利用拉格朗日对偶性构建拉格朗日目标函数和相应的边界条件， 如下 所示： 式中， θi, χi表示拉格朗日算子 。 根据式(5)可 得： 计算式(7)对w,B, εi的偏导， 并且将结果回代至式(9)得到如下 方程： 通过优化可以推导出最小化方程， 如下 所示： 步骤1‑5： 通过引入多 核函数得到多核支持向量机， 如下 所示 步骤1‑6： 确定楔形波 多核支持向量机的决策函数， 如下 所示： 3.根据权利要求1所述的一种压缩天然气加气站智能风险评估方法， 其特征在于改进 蝗虫算法分析 具体步骤如下：权　利　要　求　书 2/3 页 3 CN 115496353 A 3