本發(fā)明屬于分布式光纖監(jiān)測，具體涉及一種分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法。

背景技術(shù)：

1、巖石的大范圍監(jiān)測對于評價和預測巖石結(jié)構(gòu)的穩(wěn)定性至關(guān)重要。脆性巖石的蠕變變形破壞被認為是靜態(tài)條件下微裂紋緩慢聚集的結(jié)果，破壞過程具有突發(fā)性，根據(jù)傳統(tǒng)的巖石變形監(jiān)測手段難以預測。因為傳統(tǒng)的巖石變形監(jiān)測多針對工程結(jié)構(gòu)的關(guān)鍵部位進行單點監(jiān)測，但巖石的破壞具有局部化特性，局部破裂可能會迅速擴展導致大范圍內(nèi)的結(jié)構(gòu)失效。因此，在高壓等極端條件下對巖石表面進行長時間的分布式高精度監(jiān)測對于捕捉局部破裂和預測巖石的破壞具有重要意義。

2、分布式光纖技術(shù)作為一種新興的監(jiān)測手段可以實現(xiàn)對巖石表面的長時間分布式監(jiān)測，其中基于光頻域反射技術(shù)（ofdr）的監(jiān)測手段具有高空間分辨率、高時間分辨率和高精度的特性，結(jié)合具有高應變傳遞效率的無護套分布式光纖可以捕捉到微裂紋聚集而引起的微小變形。目前，分布式光纖應變監(jiān)測技術(shù)已被用于獲取無側(cè)限的巖石表面變形，但在三軸高壓等極端環(huán)境下保護光纖并獲取巖石表面變形數(shù)據(jù)對于理解巖石剪切破壞機理同樣重要。然而，光纖彎曲或巖石大變形等原因會在光路中產(chǎn)生局部光損，使得監(jiān)測數(shù)據(jù)中混雜復雜的噪聲，這干擾了數(shù)據(jù)的后處理分析。傳統(tǒng)的數(shù)據(jù)除噪方法多假設(shè)數(shù)據(jù)正態(tài)分布或基于統(tǒng)計規(guī)律進行噪點識別，這些方法適用性廣但是精度仍需提高。近年來，基于機器學習的除噪算法得到了廣泛的應用，如孤立森林樹等。這種基于樹的算法需要設(shè)置噪點的比例，往往會造成噪點誤判或遺漏且計算時間較長。同時，常見的缺失值填充方法如最近鄰點插值法、基于機器學習的時序預測方法，難以同時考慮巖石變形過程中的時間連續(xù)性和空間分布。

3、本發(fā)明提供了一種在三軸高壓狀態(tài)下保護直徑250微米分布式光纖進行長時間監(jiān)測的方法，并結(jié)合卷積神經(jīng)網(wǎng)絡和自編碼器，考慮了巖石變形的時間連續(xù)性和空間分布實現(xiàn)了靜態(tài)監(jiān)測條件下分布式光纖數(shù)據(jù)中噪點智能識別和缺失值的填充。

技術(shù)實現(xiàn)思路

1、本發(fā)明目的是提供一種在三軸高壓條件下保護直徑250微米分布式光纖并進行應變數(shù)據(jù)收集的方法，并針對應變監(jiān)測數(shù)據(jù)中的噪點針對性的提出了噪點智能檢測和缺失數(shù)據(jù)補充方法，解決光纖在高壓、長時間、靜態(tài)監(jiān)測巖石變形過程中數(shù)據(jù)混雜大量噪聲和數(shù)據(jù)缺失的問題。

2、本發(fā)明的技術(shù)方案如下：

3、一種分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法，其特征在于，所述方法包括：

4、在三軸試驗條件下，耦合巖石與分布式光纖，并通過分布式光纖監(jiān)測系統(tǒng)采集光纖應變數(shù)據(jù)；

5、對所述光纖應變數(shù)據(jù)按時序表示并預處理得到無噪聲的光纖應變數(shù)據(jù)；

6、構(gòu)建噪點識別和數(shù)據(jù)填充模型，并通過無噪聲的光纖應變數(shù)據(jù)來訓練所述噪點識別和數(shù)據(jù)填充模型；

7、根據(jù)訓練好的噪點識別和數(shù)據(jù)填充模型對所有包含空間位置信息的光纖應變數(shù)據(jù)進行除噪處理和缺失值填充，并根據(jù)所監(jiān)測空間中應變場隨時間的變化來實時更新所述噪點識別和數(shù)據(jù)填充模型參數(shù)。

8、進一步地，所述對光纖應變數(shù)據(jù)按時序表示并預處理包括：

9、將分布式光纖所得到的光纖應變數(shù)據(jù)按照時間序列表示；

10、對每個時間點下得到的包含位置信息的光纖應變數(shù)據(jù)進行標準化處理；

11、將標準化后的數(shù)據(jù)進行維度轉(zhuǎn)換，標準化后的每組數(shù)據(jù)從一維變?yōu)槎S，每個空間位置的應變單獨占據(jù)一個維度。

12、進一步地，所述噪點識別和數(shù)據(jù)填充模型由編碼器和解碼器構(gòu)成，所述編碼器包含多個全連接層、卷積層和池化層，所述解碼器包含多個反卷積層、上采樣層和全連接層。

13、進一步地，所述通過無噪聲的光纖應變數(shù)據(jù)來訓練噪點識別和數(shù)據(jù)填充模型具體為：

14、將選取兩組及以上無噪聲的光纖應變數(shù)據(jù)輸入到編碼器中，全連接層將單一數(shù)據(jù)進行多元表達輸出多元數(shù)據(jù)；再將所述多元數(shù)據(jù)通過卷積層提取特征，之后經(jīng)池化層減少特征尺寸，最后將從編碼器提取的高維特征數(shù)據(jù)輸入解碼器中；

15、在解碼器中，反卷積層通過對高維特征數(shù)據(jù)進行反向卷積操作，減小數(shù)據(jù)的空間維度，然后通過上采樣層進一步恢復數(shù)據(jù)的細節(jié)，最后通過全連接層進行數(shù)據(jù)重構(gòu)；

16、將原始數(shù)據(jù)與重構(gòu)后的數(shù)據(jù)進行比較，計算損失函數(shù)，根據(jù)損失函數(shù)的值來調(diào)整模型的參數(shù)，并按照一定的學習率進行多次訓練，最終得到訓練好的噪點識別和數(shù)據(jù)填充模型。

17、進一步地，所述根據(jù)訓練好的噪點識別和數(shù)據(jù)填充模型對所有包含空間位置信息的光纖應變數(shù)據(jù)進行除噪處理和缺失值填充具體為：

18、通過訓練好的噪點識別和數(shù)據(jù)填充模型預測第一個時間點不同空間位置的應變數(shù)據(jù)；計算預測值與實際測量值之間的均方誤差；

19、當該誤差大于設(shè)定閾值時，將此位置的應變數(shù)據(jù)判定為噪點，并記錄噪點的空間位置信息；

20、對于已識別的噪點進行缺失值填充。

21、進一步地，所述對于已識別的噪點進行缺失值填充的公式為：

22、，

23、其中，為當前第i個位置處的缺失應變值，為代表缺失值所處時間點?t?時空間應變場的平均值，為缺失值所處時間點t時空間應變場的平均值和標準差，為模型預測的當前時間點t時位置i處的標準化應變值，i代表第i個噪點的位置，t代表當前模型預測的時間點。

24、進一步地，所述根據(jù)所監(jiān)測空間中應變場隨時間的變化來實時更新所述噪點識別和數(shù)據(jù)填充模型參數(shù)具體為：

25、完成第t-1個時間點的光纖應變數(shù)據(jù)的噪點識別和缺失值填充后，以第t-2時間點的數(shù)據(jù)作為模型輸入，并計算模型預測數(shù)據(jù)與第t-1個時間點的光纖應變數(shù)據(jù)間的重建誤差，讓模型學習第t-1個時間點的空間應變分布并更新模型的參數(shù)。

26、進一步地，所述方法還包括在完成缺失值填充之后需要通過加權(quán)平均的方式去除光纖應變數(shù)據(jù)中的高斯噪聲，具體為：

27、首先根據(jù)高斯函數(shù)計算一維卷積核；

28、利用所述一維卷積核對每個時間點的數(shù)據(jù)通過等長卷積的方式進行卷積操作；

29、完成卷積處理后，將得到的經(jīng)過高斯濾波的數(shù)據(jù)替換原始數(shù)據(jù)，去除光纖應變數(shù)據(jù)中的高斯噪聲。

30、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：

31、本發(fā)明提出了一種在三軸高壓條件下保護無護套分布式光纖進行長時間巖石表面全場變形監(jiān)測的方法，實現(xiàn)了在復雜應力環(huán)境下獲取高精度的應變數(shù)據(jù)。

32、本發(fā)明利用編碼器?-?解碼器結(jié)構(gòu)的深度學習方法自動學習數(shù)據(jù)特征，訓練時可加快收斂速度，減少計算資源消耗。同時，增量訓練機制能讓模型依據(jù)應變場的時間變化實時更新參數(shù)，確保長時間監(jiān)測下的有效性和穩(wěn)定性。在數(shù)據(jù)處理上，綜合考慮數(shù)據(jù)分布和時間連續(xù)性，有效識別處理噪點及合理填充缺失值，保證數(shù)據(jù)完整準確。對于高斯噪聲，通過計算一維卷積核和等長卷積操作可在缺失值填充后有效去除，防止誤判，為相關(guān)監(jiān)測提供了高精度數(shù)據(jù)處理支持，具有重要的工程應用價值。

技術(shù)特征：

1.一種分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法，其特征在于，對所述光纖應變數(shù)據(jù)按時序表示并預處理包括：

3.根據(jù)權(quán)利要求1所述的分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法，其特征在于，所述噪點識別和數(shù)據(jù)填充模型由編碼器和解碼器構(gòu)成，所述編碼器包含多個全連接層、卷積層和池化層，所述解碼器包含多個反卷積層、上采樣層和全連接層。

4.根據(jù)權(quán)利要求1所述的分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法，其特征在于，所述通過無噪聲的光纖應變數(shù)據(jù)來訓練噪點識別和數(shù)據(jù)填充模型具體為：

5.根據(jù)權(quán)利要求1所述的分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法，其特征在于，所述根據(jù)訓練好的噪點識別和數(shù)據(jù)填充模型對所有包含空間位置信息的光纖應變數(shù)據(jù)進行除噪處理和缺失值填充具體為：

6.根據(jù)權(quán)利要求1所述的分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法，其特征在于，所述對于已識別的噪點進行缺失值填充的公式為：

7.根據(jù)權(quán)利要求1所述的分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法，其特征在于，所述根據(jù)所監(jiān)測空間中應變場隨時間的變化來實時更新所述噪點識別和數(shù)據(jù)填充模型參數(shù)具體為：

8.根據(jù)權(quán)利要求1所述的分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法，其特征在于，所述方法還包括在完成缺失值填充之后需要通過加權(quán)平均的方式去除光纖應變數(shù)據(jù)中的高斯噪聲，具體為：

技術(shù)總結(jié)
本發(fā)明提供了一種分布式光纖應變數(shù)據(jù)的智能除噪和缺失值填充方法，所述方法包括：在三軸試驗條件下，耦合巖石與分布式光纖，并通過分布式光纖監(jiān)測系統(tǒng)采集光纖應變數(shù)據(jù)；對所述光纖應變數(shù)據(jù)按時序表示并預處理得到無噪聲的光纖應變數(shù)據(jù)；構(gòu)建噪點識別和數(shù)據(jù)填充模型，并通過無噪聲的光纖應變數(shù)據(jù)來訓練所述噪點識別和數(shù)據(jù)填充模型；根據(jù)訓練好的噪點識別和數(shù)據(jù)填充模型對所有包含空間位置信息的光纖應變數(shù)據(jù)進行除噪處理和缺失值填充，并根據(jù)所監(jiān)測空間中應變場隨時間的變化來實時更新所述噪點識別和數(shù)據(jù)填充模型參數(shù)。本發(fā)明為光纖監(jiān)測提供了高精度數(shù)據(jù)處理支持，具有重要的工程應用價值。

技術(shù)研發(fā)人員：潘鵬志,張修軍,苗書婷,封雨捷,肖海斌,黃青富,王毅,李鳳瓊,楊世界
受保護的技術(shù)使用者：中國科學院武漢巖土力學研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15