摘要: 由于长距离石油天然气管道分布范围广、背景环境复杂,光纤预警系统在实际环境中对威胁管道安全的破坏性事件的识别具有较高的虚警率,难以达到保护管道安全的预警效果.本文将深度学习应用于长距离的光纤预警系统中,识别出主要影响预警效果的过车信号以降低系统的虚警率.智能光纤预警系统主要分为两个部分:分布式光纤传感系统和信号识别系统.本文在实际环境中从Φ-OTDR(phase-sensitive optical time domain reflectometry)分布式光纤传感系统采集管道周围的入侵信号,通过CLDNN(convolutional,long short-term memory,fully connected deep neural networks)神经网络建立识别模型实现过车信号的识别.经过训练和盲测,所构建的过车事件的识别模型在实际长距离光纤监测环境下有良好的识别和定位效果,有效地降低了预警系统的误报率.