一种船舶舱室CO浓度自适应趋势预警方法及系统与流程

本发明涉及船舶气体安全监测，具体为一种船舶舱室co浓度自适应趋势预警方法及系统。

背景技术：

1、船舶密闭舱室（包括机舱、舵机舱、泵舱、压载舱等）因空间密闭、通风受限，在设备运行、货物作业或焊接施工过程中易产生一氧化碳（co）积聚。co是一种无色无味的有毒气体，舱室内co浓度超标会严重威胁船员的生命安全，因此对船舶密闭舱室co浓度进行实时监测与预警是船舶安全管理的重要内容。

2、然而，现有船舶舱室co监测预警系统多采用固定报警阈值，即仅当co浓度实测值超过预设阈值时才触发报警，该方式具有明显的滞后性，无法提前预判co浓度的上升趋势；同时，基于历史数据训练的预测模型在部署后无法自适应船舶工况的动态变化，随着时间推移模型预测精度逐渐下降，难以保证长期预警的准确性和可靠性。

技术实现思路

1、针对上述现有技术中的技术问题，本发明提供为一种船舶舱室co浓度自适应趋势预警方法及系统，旨在解决现有技术中预警滞后和预测模型无法自适应更新导致长期预警精度下降的问题。

2、本发明的技术方案如下：

3、一种船舶舱室co浓度自适应趋势预警方法，包括以下步骤：

4、实时获取船舶密闭舱室内的co浓度时序数据；

5、基于所述co浓度时序数据提取当前数据流的统计特征，生成用于表征co浓度变化模式的当前状态特征向量，计算所述当前状态特征向量与预先构建的正常工况特征向量库中的正常状态特征向量之间的差异度；

6、根据所述差异度，将所述co浓度时序数据的状态等级划分为无漂移、轻微漂移和显著漂移；

7、根据所述co浓度时序数据的状态等级，对所述co浓度时序数据进行滚动预测，输出未来预设时间段的co浓度预测值；

8、评估滚动预测的预测可靠性，得到预测置信度，根据所述预测置信度动态调整预设的预警阈值，当所述co浓度预测值满足动态调整后的所述预警阈值时，生成并输出所述预警阈值对应的预警信号；

9、当所述预警信号与实际工况不符时，更新对所述co浓度时序数据的滚动预测。

10、可选的，所述基于所述co浓度时序数据提取当前数据流的统计特征，生成用于表征co浓度变化模式的当前状态特征向量，具体包括：

11、以固定时间长度构建滑动数据窗口，提取所述滑动数据窗口内co浓度时序数据的均值、方差、一阶差分均值、偏度、峰度、滞后一阶自相关系数和变异系数作为统计特征，以所述统计特征构成当前状态特征向量。

12、可选的，所述计算所述当前状态特征向量与预先构建的正常工况特征向量库中的正常状态特征向量之间的差异度，具体包括：

13、计算所述当前状态特征向量与所述正常工况特征向量库中各正常状态特征向量之间的马氏距离，选取各所述马氏距离中的最小值作为所述差异度。

14、可选的，所述根据所述差异度，将所述co浓度时序数据的状态等级划分为无漂移、轻微漂移和显著漂移，具体包括：

15、当所述差异度小于或等于预设第一阈值时，判定所述co浓度时序数据的状态等级为无漂移；

16、当所述差异度大于所述预设第一阈值且小于或等于预设第二阈值时，判定所述co浓度时序数据的状态等级为轻微漂移；

17、当所述差异度大于所述预设第二阈值时，判定所述co浓度时序数据的状态等级为显著漂移；

18、所述预设第一阈值和所述预设第二阈值基于正常工况特征向量库中正常状态特征向量的统计分布确定。

19、可选的，所述根据所述co浓度时序数据的状态等级，对所述co浓度时序数据进行滚动预测，输出未来预设时间段的co浓度预测值，具体包括：

20、当所述状态等级为无漂移时，采用arima模型对所述co浓度时序数据进行滚动预测，得到并输出未来预设时间段的co浓度预测值；

21、当所述状态等级为轻微漂移时，采用gru神经网络模型对所述co浓度时序数据进行滚动预测，得到并输出未来预设时间段的co浓度预测值；

22、当所述状态等级为显著漂移时，采用os-elm模型对所述co浓度时序数据进行滚动预测，得到并输出未来预设时间段的co浓度预测值。

23、可选的，所述评估滚动预测的预测可靠性，得到预测置信度，具体包括：

24、获取最近历史时间段内各预测时刻的co浓度预测值，以及各所述预测时刻对应的co浓度实测值，计算各预测时刻所述co浓度预测值与对应时刻所述co浓度实测值之间的差值作为预测误差，以各预测时刻的所述预测误差的均方根值作为当前预测误差指标；

25、获取在正常工况下相同时间长度的co浓度预测值及对应的co浓度实测值，计算各预测时刻的预测误差的均方根值作为基准预测误差指标；

26、将所述当前预测误差指标与所述基准预测误差指标的比值映射为预测置信度，所述比值越小则预测置信度越高。

27、可选的，所述根据所述预测置信度动态调整预设的预警阈值，具体包括：

28、当所述预测置信度低于预设置信度下限时，对所述预警阈值的数值进行下调，所述预测置信度越低则所述预警阈值的下调幅度越大；

29、当所述预测置信度不低于所述预设置信度下限时，保持所述预警阈值为预设基础值。

30、可选的，所述当所述co浓度预测值满足动态调整后的所述预警阈值时，生成并输出所述预警阈值对应的预警信号，具体包括：

31、当所述co浓度预测值达到或超过动态调整后的所述预警阈值，且所述co浓度预测值呈持续上升趋势，且所述co浓度预测值达到或超过所述预警阈值的状态持续预设时间长度时，判定所述co浓度预测值满足所述预警阈值。

32、可选的，所述当所述预警信号与实际工况不符时，更新对所述co浓度时序数据的滚动预测，具体包括：

33、当所述预警信号与实际工况不符时，判定当前所采用的arima模型、gru神经网络模型或os-elm模型失效，对所述模型进行在线更新。

34、本发明还提供了一种船舶舱室co浓度自适应趋势预警系统，包括：

35、数据采集模块，用于实时获取船舶密闭舱室内的co浓度时序数据；

36、状态特征提取与差异度计算模块，用于基于所述co浓度时序数据提取当前数据流的统计特征，生成用于表征co浓度变化模式的当前状态特征向量，并计算所述当前状态特征向量与预先构建的正常工况特征向量库中的正常状态特征向量之间的差异度；

37、状态等级划分模块，用于根据所述差异度将所述co浓度时序数据的状态等级划分为无漂移、轻微漂移和显著漂移；

38、滚动预测模块，用于根据所述co浓度时序数据的状态等级对所述co浓度时序数据进行滚动预测，输出未来预设时间段的co浓度预测值；

39、动态阈值预警模块，用于评估滚动预测的预测可靠性得到预测置信度，根据所述预测置信度动态调整预设的预警阈值，并在所述co浓度预测值满足动态调整后的所述预警阈值时生成并输出所述预警阈值对应的预警信号；

40、模型更新模块，用于当所述预警信号与实际工况不符时，更新对所述co浓度时序数据的滚动预测。

41、与现有技术相比，本发明提供的一种船舶舱室co浓度自适应趋势预警方法及系统，具有以下有益效果：

42、（1）通过实时获取co浓度时序数据并提取统计特征生成当前状态特征向量，将其与正常工况特征向量库进行比对以识别当前数据的变化模式，并根据识别结果采用与当前数据模式匹配的滚动预测策略，实现了对未来co浓度变化趋势的超前预判，能够在浓度尚未超标时提前发出预警信号，将传统“被动超标报警”转变为“主动超前预警”，有效克服了现有技术中预警滞后性的问题；同时，通过当预警信号与实际工况不符时对当前滚动预测策略进行在线更新，使预警系统能够持续学习并适应船舶工况的动态变化，随着运行时间的延长，预警准确性不断提升，从根本上克服了现有预测模型部署后无法自适应更新、长期预警精度下降的技术缺陷。

43、（2）通过评估滚动预测的可靠性并根据评估结果动态调整预警阈值，使得预警阈值能够跟随预测模型的实时状态自适应变化，在预测可靠时保持正常预警标准，在预测不可靠时主动收紧预警标准，显著增强了预警系统在预测模型全生命周期各阶段的安全冗余能力。

44、（3）通过根据不同的状态等级对应采用arima模型、gru神经网络模型和os-elm模型进行差异化滚动预测，实现了预测模型与不同数据变化模式的最优适配，避免了单一模型在所有工况下预测精度不足的问题，保证了不同工况条件下的预测准确性；同时，当预测模型失效时对其进行在线更新，使各模型能够持续适应各自对应工况的动态变化，进一步巩固了差异化预测策略的长期有效性。