海外油气田遭人侵的风险评价方法与防范技术研究
发布时间：2021-05-31 20:30
在共建“一带一路”倡议的引领下,中国企业在海外开展油气合作愈发频繁。为有效保障海外油气田的人员和资产安全、环境和声誉免受负面影响,本文采用层次分析、改进小波算法、背景差分法、卷积神经网络、风险控制成本分析、探测准确度分析和非线性规划等方法,研究了海外油气田遭入侵的风险评价方法与防范技术,实现了入侵探测全覆盖、物防工程纵深布局、应急资源系统整合,并在中东某油田现场开展了实验研究。主要内容如下:建立了适用于海外油气田的入侵风险指标体系,包括一级指标5项,二级指标18项。基于层次分析法,建立了各项指标的敏感度系数。建立了五种评判逻辑,构建了入侵风险等级量化评价方法,并对标国际安保咨询公司的风险数据库进行了结果验证。针对关键的入侵风险指标,研究入侵防范系统技术原理。提出了基于改进小波算法的红外图像增强与去燥方法,对小波低频系数进行直方图均衡增强,对高频系数进行阈值去噪,较好地改善了原始图像的清晰度和对比度;研究了基于背景差分法的运动目标检测算法,采用计算量较小的背景差分算法对监测目标进行定位,提高了运动目标的检测能力;研究了基于深度学习的目标识别方法,采用Matlab卷积神经网络工具箱中预先训...
【文章来源】：北京科技大学北京市 211工程院校 教育部直属院校
【文章页数】：122 页
【学位级别】：博士
【部分图文】：
图３－１海外油气田入侵风险等级量化评价流程??３．１入侵风险指标体系??
?怖?会｜?｜教?落丨｜急?急丨??丨制?关?情丨丨膨失丨丨冲?袭?治丨丨冲矛丨｜资指丨二级指标??！裁?系?绪丨Ｉ胀?业｜?｜突?击?安丨｜突?盾｜?｜源?挥｜??Ｉ?｜?Ｉ?ＩＩ?１?Ｉ?ＩＩ?｜??Ｉ?１?Ｉ?ＩＩ?１?Ｉ?｜｜?Ｉ??Ｉ?１?Ｉ?ＩＩ?１?Ｉ?｜｜?Ｉ??｜?Ｉ?；???Ｉ政?管清丨?丨难抗突｜??丨权?控廉丨?丨民?议发丨??丨更盲程｜?｜影事事ｉ??丨迭?区度丨?丨响?件件丨??Ｌ?Ｉ?Ｌ?Ｉ??图３－２入侵风险指标体系架构??（１）构建判断矩阵??构造判断矩阵。比较第ｉ个元素和第ｊ个元素的相对于上一层次的重要性，??记作ａｉｙ，基本原则如下。同时，指标敏感度系数满足ａｉ７?＝?ｌ／ａ；ｉ。??？?ａｔ７?＝?ｌ，表示相对上一层次，元素ｉ和元素ｊ同等重要；??？?ａｉ；?＝?３，表示相对上一层次，元素ｉ相对于元素ｊ略微重要；??？?ａｉ；．?＝?５，表示相对上一层次，元素ｉ相对于元素ｊ明显重要；??？?ａｉ；?＝?７，表示相对上一层次，元素ｉ相对于元素ｊ强烈重要；??？?ｃ＾?＝?９，表示相对上一层次，元素ｉ相对于元素ｊ极其重要；??？?％?＝?２，４，６，８，表示上述相邻判断的中间值；??目标层包含１个指标，即入侵风险，记作Ｉ。一级指标层包括５个一级指??标，分别记为：Ａ，Ｂ，Ｃ，Ｄ，Ｅ。??采用专家函审模式［１１２１本文邀请了?２０名社会安全领域的专家学者（表??３－２）参与函审，依次判断每个一级指标相对于目标层的重要性，并通过加权??平均并取整可得判断矩阵。由于一级指标共５个，且指标敏感度系数具有倒??数性质，
背景差分法适用于海外油气田这种背景变化缓慢场合的运动目标检测。??背景差分法［１２８１［１３Ｇ］所取背景模型记为时刻ｔ的待测帧图像记为??／〇，ｙ，ｔ），差分图像记为Ｄ（ｘ，ｙ，ｔ），则背景差分法数学公式表达如下：??Ｃ，Ｖ，）＿ｌ〇?＼Ｋｘ，ｙ，ｔ）－Ｂ｛ｘ，ｙ，ｔ）＼＜Ｔ?（４?７）??其中，Ｔ表示判断阈值，决定了目标检测的灵敏度和准确度，Ｄ（ｘ，ｙ，ｔ）是??一个二值图像，值为１的区域在不同时刻的像素值发生了很大变化，该区域??即为检测到的运动目标区域。??背景差分法流程如图４－２所示。???背景模型更新＾????］?［???＾？背景模型一＾??输入图像一一？差分二值化１■？主要目标提取一？?检测结果??—？当前帧?一??图４－２背景差分法目标检测流程??４．２．６入侵目标智能识别??传统的目标识别算法通过提取目标物体的二维或三维特征，再与特征模??型库进行匹配来进行目标识别。近年来，随着深度学习｜１３１］，［１３２］的快速发展，??其应用也越来越广泛［１３３］，［１３４１，尤其是在目标识别领域［１３５］』１３６】。深度学习算法??由机器自主完成特征提取，并且利用反向传播方法获得神经网络中各个神经??兀的权重［１３７１。卷积神经网络（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＣＮＮ）丨１３８】是深??－４１?－??
【参考文献】：
期刊论文
[1]科学家谈管理科学重要方向 国家安全与应急管理[J]. 范维澄,翁文国. 科学观察. 2019(05)
[2]基于迁移学习的卷积神经网络SAR图像目标识别[J]. 陈立福,武鸿,崔先亮,郭正华,贾智伟. 中国空间科学技术. 2018(06)
[3]红外热敏成像及在智能入侵探测系统中的应用[J]. 胡显伟,李铁,吴宗之,高璇. 激光杂志. 2018(09)
[4]深度学习在雷达通信目标识别中的应用框架[J]. 程嘉远. 现代雷达. 2018(08)
[5]全球化与反全球化思辨[J]. 吴念鲁,杨海平. 中国金融. 2018(10)
[6]车型识别中运动目标检测技术研究[J]. 张辰锐,邱炎儿,白心爱. 吕梁学院学报. 2018(02)
[7]基于无线MESH网络的智能安保监控系统研究[J]. 胡显伟,李铁,吴宗之. 中国公共安全(学术版). 2016(04)
[8]基于小波变换的一种红外图像增强算法[J]. 常宏韬,孟庆虎. 河南科技大学学报(自然科学版). 2015(01)
[9]一种小波变换的小波系数均衡图像增强算法[J]. 王海峰,吴冬燕,章怡. 电视技术. 2011(19)
[10]社会突发事件应急模型及控制模式的构建分析[J]. 范泽孟,牛文元,顾基发. 中国软科学. 2007(08)
博士论文
[1]突发事件对金融市场的影响研究[D]. 李晓林.电子科技大学 2013
硕士论文
[1]基于深度学习的无人机遥感图像目标识别方法研究[D]. 祝思君.北京建筑大学 2018
[2]基于多特征的轮船运动目标跟踪及轨迹获取方法[D]. 周奇.北方工业大学 2018
[3]智能视频监控中运动目标检测识别方法研究[D]. 白一帆.太原理工大学 2018
[4]动态背景下移动目标检测与识别技术的研究与实现[D]. 朱明主.北京邮电大学 2018
[5]境外工程社会风险分析与应对研究[D]. 田亚力.中国海洋大学 2014
[6]基于FPGA机器视觉的运动目标检测跟踪系统[D]. 刘晓伟.湖北工业大学 2012
本文编号：3208926
【文章来源】：北京科技大学北京市 211工程院校 教育部直属院校
【文章页数】：122 页
【学位级别】：博士
【部分图文】：
图３－１海外油气田入侵风险等级量化评价流程??３．１入侵风险指标体系??
?怖?会｜?｜教?落丨｜急?急丨??丨制?关?情丨丨膨失丨丨冲?袭?治丨丨冲矛丨｜资指丨二级指标??！裁?系?绪丨Ｉ胀?业｜?｜突?击?安丨｜突?盾｜?｜源?挥｜??Ｉ?｜?Ｉ?ＩＩ?１?Ｉ?ＩＩ?｜??Ｉ?１?Ｉ?ＩＩ?１?Ｉ?｜｜?Ｉ??Ｉ?１?Ｉ?ＩＩ?１?Ｉ?｜｜?Ｉ??｜?Ｉ?；???Ｉ政?管清丨?丨难抗突｜??丨权?控廉丨?丨民?议发丨??丨更盲程｜?｜影事事ｉ??丨迭?区度丨?丨响?件件丨??Ｌ?Ｉ?Ｌ?Ｉ??图３－２入侵风险指标体系架构??（１）构建判断矩阵??构造判断矩阵。比较第ｉ个元素和第ｊ个元素的相对于上一层次的重要性，??记作ａｉｙ，基本原则如下。同时，指标敏感度系数满足ａｉ７?＝?ｌ／ａ；ｉ。??？?ａｔ７?＝?ｌ，表示相对上一层次，元素ｉ和元素ｊ同等重要；??？?ａｉ；?＝?３，表示相对上一层次，元素ｉ相对于元素ｊ略微重要；??？?ａｉ；．?＝?５，表示相对上一层次，元素ｉ相对于元素ｊ明显重要；??？?ａｉ；?＝?７，表示相对上一层次，元素ｉ相对于元素ｊ强烈重要；??？?ｃ＾?＝?９，表示相对上一层次，元素ｉ相对于元素ｊ极其重要；??？?％?＝?２，４，６，８，表示上述相邻判断的中间值；??目标层包含１个指标，即入侵风险，记作Ｉ。一级指标层包括５个一级指??标，分别记为：Ａ，Ｂ，Ｃ，Ｄ，Ｅ。??采用专家函审模式［１１２１本文邀请了?２０名社会安全领域的专家学者（表??３－２）参与函审，依次判断每个一级指标相对于目标层的重要性，并通过加权??平均并取整可得判断矩阵。由于一级指标共５个，且指标敏感度系数具有倒??数性质，
背景差分法适用于海外油气田这种背景变化缓慢场合的运动目标检测。??背景差分法［１２８１［１３Ｇ］所取背景模型记为时刻ｔ的待测帧图像记为??／〇，ｙ，ｔ），差分图像记为Ｄ（ｘ，ｙ，ｔ），则背景差分法数学公式表达如下：??Ｃ，Ｖ，）＿ｌ〇?＼Ｋｘ，ｙ，ｔ）－Ｂ｛ｘ，ｙ，ｔ）＼＜Ｔ?（４?７）??其中，Ｔ表示判断阈值，决定了目标检测的灵敏度和准确度，Ｄ（ｘ，ｙ，ｔ）是??一个二值图像，值为１的区域在不同时刻的像素值发生了很大变化，该区域??即为检测到的运动目标区域。??背景差分法流程如图４－２所示。???背景模型更新＾????］?［???＾？背景模型一＾??输入图像一一？差分二值化１■？主要目标提取一？?检测结果??—？当前帧?一??图４－２背景差分法目标检测流程??４．２．６入侵目标智能识别??传统的目标识别算法通过提取目标物体的二维或三维特征，再与特征模??型库进行匹配来进行目标识别。近年来，随着深度学习｜１３１］，［１３２］的快速发展，??其应用也越来越广泛［１３３］，［１３４１，尤其是在目标识别领域［１３５］』１３６】。深度学习算法??由机器自主完成特征提取，并且利用反向传播方法获得神经网络中各个神经??兀的权重［１３７１。卷积神经网络（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＣＮＮ）丨１３８】是深??－４１?－??
【参考文献】：
期刊论文
[1]科学家谈管理科学重要方向 国家安全与应急管理[J]. 范维澄,翁文国. 科学观察. 2019(05)
[2]基于迁移学习的卷积神经网络SAR图像目标识别[J]. 陈立福,武鸿,崔先亮,郭正华,贾智伟. 中国空间科学技术. 2018(06)
[3]红外热敏成像及在智能入侵探测系统中的应用[J]. 胡显伟,李铁,吴宗之,高璇. 激光杂志. 2018(09)
[4]深度学习在雷达通信目标识别中的应用框架[J]. 程嘉远. 现代雷达. 2018(08)
[5]全球化与反全球化思辨[J]. 吴念鲁,杨海平. 中国金融. 2018(10)
[6]车型识别中运动目标检测技术研究[J]. 张辰锐,邱炎儿,白心爱. 吕梁学院学报. 2018(02)
[7]基于无线MESH网络的智能安保监控系统研究[J]. 胡显伟,李铁,吴宗之. 中国公共安全(学术版). 2016(04)
[8]基于小波变换的一种红外图像增强算法[J]. 常宏韬,孟庆虎. 河南科技大学学报(自然科学版). 2015(01)
[9]一种小波变换的小波系数均衡图像增强算法[J]. 王海峰,吴冬燕,章怡. 电视技术. 2011(19)
[10]社会突发事件应急模型及控制模式的构建分析[J]. 范泽孟,牛文元,顾基发. 中国软科学. 2007(08)
博士论文
[1]突发事件对金融市场的影响研究[D]. 李晓林.电子科技大学 2013
硕士论文
[1]基于深度学习的无人机遥感图像目标识别方法研究[D]. 祝思君.北京建筑大学 2018
[2]基于多特征的轮船运动目标跟踪及轨迹获取方法[D]. 周奇.北方工业大学 2018
[3]智能视频监控中运动目标检测识别方法研究[D]. 白一帆.太原理工大学 2018
[4]动态背景下移动目标检测与识别技术的研究与实现[D]. 朱明主.北京邮电大学 2018
[5]境外工程社会风险分析与应对研究[D]. 田亚力.中国海洋大学 2014
[6]基于FPGA机器视觉的运动目标检测跟踪系统[D]. 刘晓伟.湖北工业大学 2012
本文编号：3208926
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3208926.html
