論文題目：成品油管道運行多參數時空模式提取與可視化

錄用期刊/會議：計算機輔助設計與圖形學學報 (CCF A)

作者列表：

1）紀連恩 中國石油大學（北京）信息科學與工程學院/人工智能學院 計算機系教師

2）邢智博 中國石油大學（北京）信息科學與工程學院/人工智能學院 計算機科學與技術 碩 20

3）吳   昆 中國石油大學（北京）信息科學與工程學院/人工智能學院 計算機技術 碩 21

4）趙   偉 中國石油大學（北京）機械與儲運工程學院 油氣儲運工程系 博 19

摘要:

成品油管道系統不僅具有典型的時空特點，且其運行模式需要由多個監測參數綜合表征，現有時空模式分析方法難以揭示多參數的綜合時空特征，因此提出一種基于多參數融合的張量分解方法用于成品油管道運行多參數時空模式的提取。該方法通過對多維管道監測參數進行信息量及相關性分析實現分組融合，然后將融合后的時空數據建模為張量并使用張量分解及聚類方法獲取多維時空模式，最后通過對不同模式下原始多參數變化趨勢的對比分析，進一步發現和解釋運行模式的時空規律?；诖朔椒ㄔO計了一套可視化系統，以支持用戶從不同分析角度對多參數表征的綜合時空模式進行提取及可視化，基于真實成品油管道數據的案例研究表明了該方法的有效性，為復雜成品油管道數據分析提供了一種新的手段和思路。

背景與動機:

成品油管道長時間運行產生的歷史數據屬于典型的大規模高維時空數據, 且具有長周期、大跨度等特點; 而對管道運行模式的分析則通常需要綜合多個（類）監測參數, 對單個參數的分析結果往往不具有實際意義。為此, 有必要從多參數分析角度對管道歷史數據中蘊含的時空模式進行探索, 以有效支持管道調度計劃的合理安排及起泵方案等的優化。然而, 傳統的時空模式分析方法以建模求解為主, 計算過程復雜耗時，分析過程也缺乏領域專家的有效介入, 難以實現長周期下多參數綜合表征的復雜時空模式提取。近年來，交互式可視化與張量分解相結合的探索方法得到有效應用，但此類方法僅支持單參數時空模式的分析。因此，研究充分利用領域知識靈活、有效地融合多參數實現對多維綜合時空模式提取與展示具有重要意義。

設計與實現:

針對管道運行多參數難以融合分析的問題，本文設計了基于因子分析法的多參數分組融合方法對多類參數根據分析目標進行分組融合。具體過程如下：

（1）通過計算參數信息熵輔助用戶更準確的評價原始數據集中不同參數的復雜程度。對于參數的每個樣本值，根據其在數據集中出現的頻率來計算其信息熵值，如下所示：

信息熵的計算結果用來評價數據集中參數值的不確定性和復雜性，信息熵值越大，表明該參數在樣本集中數據取值越不穩定，數值差別較大，存在明顯的動態變化特征。信息熵的評價方法可以幫助領域人員從數值變化角度進一步識別與評價各個參數的分析價值。

（2）通過量化一個變量根據另一個變量數據所獲得的信息量來衡量2個隨機變量之間的相互依賴關系即互信息，互信息越高，表明兩參數間的相關性越強，更適合劃分到同一組中進行分析。計算公式如下所示：

（3）基于信息熵和互信息的評價將關聯性較強且包含特征較多的參數劃分為同一參數組，然后通過因子分析法進行融合得到可以代表原始參數的綜合參數。

接下來針對時空模式提取的問題，本文設計了一種結合聚類的連續秩一張量分解方法用于綜合參數時空模式的提取，具體過程如圖1所示：

圖1 連續秩一張量分解示意圖

Step1，張量建模。將綜合參數的時空數據建模為三階張量。其中S(Station)代表多個站場，D(Day)表示天數，T(Time)表示時間段的個數，將每天再分成多個時間段，例如按小時劃分。得到的張量可表示為，其中代表在站場s處第d天第t時間段綜合參數的數值。

Step2，張量分解。本文采用連續rank-1的CP分解方法，即每次分解用秩為1的張量來擬合原始張量，然后將原始張量與擬合后的張量做差得到剩余張量，對剩余張量再繼續執行秩為1的CP分解，直到達到迭代次數或連續2次分解誤差變化不大即可停止，其中誤差計算如下所示：

本文將第一分解向量組用來表達原始張量的多維時空模式概覽并對其進行可視化，得到綜合參數在不同維度上的整體變化趨勢。

Step3，模式提取。通過連續秩1張量分解得到了多組低維向量，這些向量組都不同程度保留了原始三階張量的特征。將每個張量中包含的3個一維向量按不同維度進行劃分，得到描述不同維度特征的特征向量組。通過聚類方法對特征向量組進行聚類，可以得到綜合參數在不同維度上更詳細的時空模式。

本文將以上時空模式提取方法與交互式可視化技術相結合，面向成品油管道運行多參數歷史數據設計并實現了可視分析框架MPVis，如圖2所示。

圖2 MPVis主界面

實驗結果及分析:

圖3 管線輸運模式分析（左），局部地區用油模式分析（右）

本文根據某成品油運輸管道歷史運行數據，選取管線輸運模式和局部地區用油模式2個具有實際意義的角度進行了案例分析，如圖3所示。兩個案例的分析結果驗證了MPVis系統的可用性和有效性。領域專家認為本文的分析方法及可視化手段能夠在很大程度上降低工作復雜度，對現階段管道領域基于數據驅動的決策支持來說具有較大指導意義。

表1 算法特征損失對比

另外，本文構造了多參數時空模式提取的基線方法，并利用上述兩個案例數據從不同時空維度分別對多參數特征損失誤差（越小越好）進行計算來對比分析本文方法的有效性。實驗結果如表1所示，本文方法在各個維度上都有更好的表現，也就是說本文基于參數融合的張量分解方法可以更好地保留多參數的綜合時空特征，同時提取的結果更為可信。

結論:

面向成品油管道歷史運行的多參數數據，本文提出一種基于多參數融合的張量分解方法，用于提取歷史數據中蘊含的時空模式，并從多參數分組融合、時空模式提取及可視化、原始多參數對比分析等角度設計了可視化系統MPVis。該分析方法及分析流程可以進一步應用到其他更廣泛的工業過程領域，為多參數綜合表征的時空模式提取與分析提供了有力支持。

作者簡介:

紀連恩，博士，副教授，研究生導師。主要研究領域為大數據可視化與智能分析、可解釋機器學習及工業領域應用、虛擬現實與計算機仿真、計算機圖形學和人機交互技術等。主持和參與了國家自然科學基金、國家科技重大專項和重點企業合作項目多項?，F為中國計算機學會（CCF）人機交互專委會委員、中國圖象圖形學學會（CSIG）可視分析專委會委員以及虛擬現實專委會委員。

聯系方式：jilianen@cup.edu.cn