發(fā)布時間：2021-05-31 20:30

　　在共建“一帶一路”倡議的引領下,中國企業(yè)在海外開展油氣合作愈發(fā)頻繁。為有效保障海外油氣田的人員和資產(chǎn)安全、環(huán)境和聲譽免受負面影響,本文采用層次分析、改進小波算法、背景差分法、卷積神經(jīng)網(wǎng)絡、風險控制成本分析、探測準確度分析和非線性規(guī)劃等方法,研究了海外油氣田遭入侵的風險評價方法與防范技術(shù),實現(xiàn)了入侵探測全覆蓋、物防工程縱深布局、應急資源系統(tǒng)整合,并在中東某油田現(xiàn)場開展了實驗研究。主要內(nèi)容如下:建立了適用于海外油氣田的入侵風險指標體系,包括一級指標5項,二級指標18項�；趯哟畏治龇�,建立了各項指標的敏感度系數(shù)。建立了五種評判邏輯,構(gòu)建了入侵風險等級量化評價方法,并對標國際安保咨詢公司的風險數(shù)據(jù)庫進行了結(jié)果驗證。針對關(guān)鍵的入侵風險指標,研究入侵防范系統(tǒng)技術(shù)原理。提出了基于改進小波算法的紅外圖像增強與去燥方法,對小波低頻系數(shù)進行直方圖均衡增強,對高頻系數(shù)進行閾值去噪,較好地改善了原始圖像的清晰度和對比度;研究了基于背景差分法的運動目標檢測算法,采用計算量較小的背景差分算法對監(jiān)測目標進行定位,提高了運動目標的檢測能力;研究了基于深度學習的目標識別方法,采用Matlab卷積神經(jīng)網(wǎng)絡工具箱中預先訓... 

【文章來源】：北京科技大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：122 頁

【學位級別】：博士

【部分圖文】：

圖３－１海外油氣田入侵風險等級量化評價流程??３．１入侵風險指標體系??

?怖?會｜?｜教?落丨｜急?急丨??丨制?關(guān)?情丨丨膨失丨丨沖?襲?治丨丨沖矛丨｜資指丨二級指標??！裁?系?緒丨Ｉ脹?業(yè)｜?｜突?擊?安丨｜突?盾｜?｜源?揮｜??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?丨難抗突｜??丨權(quán)?控廉丨?丨民?議發(fā)丨??丨更盲程｜?｜影事事ｉ??丨迭?區(qū)度丨?丨響?件件丨??Ｌ?Ｉ?Ｌ?Ｉ??圖３－２入侵風險指標體系架構(gòu)??（１）構(gòu)建判斷矩陣??構(gòu)造判斷矩陣。比較第ｉ個元素和第ｊ個元素的相對于上一層次的重要性，??記作ａｉｙ，基本原則如下。同時，指標敏感度系數(shù)滿足ａｉ７?＝?ｌ／ａ；ｉ。??？?ａｔ７?＝?ｌ，表示相對上一層次，元素ｉ和元素ｊ同等重要；??？?ａｉ；?＝?３，表示相對上一層次，元素ｉ相對于元素ｊ略微重要；??？?ａｉ；．?＝?５，表示相對上一層次，元素ｉ相對于元素ｊ明顯重要；??？?ａｉ；?＝?７，表示相對上一層次，元素ｉ相對于元素ｊ強烈重要；??？?ｃ＾?＝?９，表示相對上一層次，元素ｉ相對于元素ｊ極其重要；??？?％?＝?２，４，６，８，表示上述相鄰判斷的中間值；??目標層包含１個指標，即入侵風險，記作Ｉ。一級指標層包括５個一級指??標，分別記為：Ａ，Ｂ，Ｃ，Ｄ，Ｅ。??采用專家函審模式［１１２１本文邀請了?２０名社會安全領域的專家學者（表??３－２）參與函審，依次判斷每個一級指標相對于目標層的重要性，并通過加權(quán)??平均并取整可得判斷矩陣。由于一級指標共５個，且指標敏感度系數(shù)具有倒??數(shù)性質(zhì)，

背景差分法適用于海外油氣田這種背景變化緩慢場合的運動目標檢測。??背景差分法［１２８１［１３Ｇ］所取背景模型記為時刻ｔ的待測幀圖像記為??／〇，ｙ，ｔ），差分圖像記為Ｄ（ｘ，ｙ，ｔ），則背景差分法數(shù)學公式表達如下：??Ｃ，Ｖ，）＿ｌ〇?＼Ｋｘ，ｙ，ｔ）－Ｂ｛ｘ，ｙ，ｔ）＼＜Ｔ?（４?７）??其中，Ｔ表示判斷閾值，決定了目標檢測的靈敏度和準確度，Ｄ（ｘ，ｙ，ｔ）是??一個二值圖像，值為１的區(qū)域在不同時刻的像素值發(fā)生了很大變化，該區(qū)域??即為檢測到的運動目標區(qū)域。??背景差分法流程如圖４－２所示。???背景模型更新＾????］?［???＾？背景模型一＾??輸入圖像一一？差分二值化１■？主要目標提取一？?檢測結(jié)果??—？當前幀?一??圖４－２背景差分法目標檢測流程??４．２．６入侵目標智能識別??傳統(tǒng)的目標識別算法通過提取目標物體的二維或三維特征，再與特征模??型庫進行匹配來進行目標識別。近年來，隨著深度學習｜１３１］，［１３２］的快速發(fā)展，??其應用也越來越廣泛［１３３］，［１３４１，尤其是在目標識別領域［１３５］』１３６】。深度學習算法??由機器自主完成特征提取，并且利用反向傳播方法獲得神經(jīng)網(wǎng)絡中各個神經(jīng)??兀的權(quán)重［１３７１。卷積神經(jīng)網(wǎng)絡（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＣＮＮ）丨１３８】是深??－４１?－??

【參考文獻】：
期刊論文
[1]科學家談管理科學重要方向 國家安全與應急管理[J]. 范維澄,翁文國.  科學觀察. 2019(05)
[2]基于遷移學習的卷積神經(jīng)網(wǎng)絡SAR圖像目標識別[J]. 陳立福,武鴻,崔先亮,郭正華,賈智偉.  中國空間科學技術(shù). 2018(06)
[3]紅外熱敏成像及在智能入侵探測系統(tǒng)中的應用[J]. 胡顯偉,李鐵,吳宗之,高璇.  激光雜志. 2018(09)
[4]深度學習在雷達通信目標識別中的應用框架[J]. 程嘉遠.  現(xiàn)代雷達. 2018(08)
[5]全球化與反全球化思辨[J]. 吳念魯,楊海平.  中國金融. 2018(10)
[6]車型識別中運動目標檢測技術(shù)研究[J]. 張辰銳,邱炎兒,白心愛.  呂梁學院學報. 2018(02)
[7]基于無線MESH網(wǎng)絡的智能安保監(jiān)控系統(tǒng)研究[J]. 胡顯偉,李鐵,吳宗之.  中國公共安全(學術(shù)版). 2016(04)
[8]基于小波變換的一種紅外圖像增強算法[J]. 常宏韜,孟慶虎.  河南科技大學學報(自然科學版). 2015(01)
[9]一種小波變換的小波系數(shù)均衡圖像增強算法[J]. 王海峰,吳冬燕,章怡.  電視技術(shù). 2011(19)
[10]社會突發(fā)事件應急模型及控制模式的構(gòu)建分析[J]. 范澤孟,牛文元,顧基發(fā).  中國軟科學. 2007(08)

博士論文
[1]突發(fā)事件對金融市場的影響研究[D]. 李曉林.電子科技大學 2013

碩士論文
[1]基于深度學習的無人機遙感圖像目標識別方法研究[D]. 祝思君.北京建筑大學 2018
[2]基于多特征的輪船運動目標跟蹤及軌跡獲取方法[D]. 周奇.北方工業(yè)大學 2018
[3]智能視頻監(jiān)控中運動目標檢測識別方法研究[D]. 白一帆.太原理工大學 2018
[4]動態(tài)背景下移動目標檢測與識別技術(shù)的研究與實現(xiàn)[D]. 朱明主.北京郵電大學 2018
[5]境外工程社會風險分析與應對研究[D]. 田亞力.中國海洋大學 2014
[6]基于FPGA機器視覺的運動目標檢測跟蹤系統(tǒng)[D]. 劉曉偉.湖北工業(yè)大學 2012



本文編號：3208926