本发明提供一种基于LSTM循环神经网络的天然气管道泄漏检测方法,包括以下步骤：步骤1：采集管道泄漏音频数据；步骤2：对所述音频数据采用改进的梅尔频率倒谱系数MFCC方法进行特征提取；步骤3：构建一个基于长短期记忆LSTM循环神经网络的天然气管道泄漏检测模型；步骤4：对所述管道微泄漏检测模型进行训练及参数优化，并验证模型的鲁棒性。
与现有技术相比，本发明提供的技术方案，具有的技术效果或优点是：在管道泄漏检测模型的参数优化过程中，基于LSTM循环神经网络的天然气管道泄漏检测方法能够对管道状态进行检测，提高管道泄漏检测的准确性，提供充足的反应时间，降低了安全事故发生的可能性，具有一定的理论研究价值和广阔的应用前景。

葛继科 刘灿 陈国荣 利节 陈祖琴 陈栋 钟红月 代雪玲

重庆科技学院

401331 重庆市沙坪坝区大学城东路20号

本发明提供一种基于LSTM循环神经网络的天然气管道泄漏检测方法,包括以下步骤：步骤1：采集管道泄漏音频数据；步骤2：对所述音频数据采用改进的梅尔频率倒谱系数MFCC方法进行特征提取；步骤3：构建一个基于长短期记忆LSTM循环神经网络的天然气管道泄漏检测模型；步骤4：对所述管道微泄漏检测模型进行训练及参数优化，并验证模型的鲁棒性。
与现有技术相比，本发明提供的技术方案，具有的技术效果或优点是：在管道泄漏检测模型的参数优化过程中，基于LSTM循环神经网络的天然气管道泄漏检测方法能够对管道状态进行检测，提高管道泄漏检测的准确性，提供充足的反应时间，降低了安全事故发生的可能性，具有一定的理论研究价值和广阔的应用前景。