本发明涉及数据处理领域，具体而言，涉及一种基于大数据的外输管线风险预测方法及橇装系统。
背景技术：
1、随着油气能源行业的快速发展，长距离外输管线的建设与运维面临着前所未有的挑战。这些管线往往跨越广阔的地域，穿越复杂的地质环境，其运行状态的安全性和稳定性直接关系到能源供应的可靠性和环境保护的质量。因此，如何有效监测外输管线的运行状态，及时发现并预警潜在的风险，成为业界亟待解决的关键问题。传统的管线监测方法主要依赖于人工巡检和定期检测，这种方法不仅效率低下，而且难以实现对管线状态的实时监控和异常预警。随着大数据技术和人工智能的兴起，基于传感数据的风险预测方法逐渐成为研究热点。通过在外输管线上部署大量的传感器，实时监测管线的各项参数（如压力、温度、流量、振动等），并利用这些数据构建传感数据集，为风险预测提供了丰富的数据源。
2、然而，传感数据集通常包含海量的、高维的、复杂的数据，直接从中提取有价值的风险信息并非易事。现有技术中，虽然已有一些基于机器学习或神经网络的风险预测方法被提出，但这些方法往往侧重于对整个数据集的统计分析和模式识别，缺乏对单个数据项异常程度的精细评估。因此，在实际应用中，这些方法可以产生大量的误识别风险数据项，降低风险预测的精度和效率。此外，现有技术中对于关键风险数据项的识别也存在不足。关键风险数据项是指那些异常程度较高、对管线运行状态具有重要影响的数据项。准确识别这些关键数据项，不仅有助于快速定位风险源，还能为后续的应急响应和维修决策提供有力支持。然而，由于现有方法缺乏对数据项异常程度的细致划分，导致在提取关键风险数据项时往往力不从心。
技术实现思路
1、本发明的目的在于提供一种基于大数据的外输管线风险预测方法及橇装系统。本发明是这样实现的：
2、第一方面，本发明提供了一种基于大数据的外输管线风险预测方法，所述方法包括：获取外输管线传感数据集的表征数组，所述外输管线传感数据集的表征数组用于表征所述外输管线传感数据集的管线运行状态；基于所述外输管线传感数据集的表征数组，确定所述外输管线传感数据集中的一个或多个待定风险数据项；确定各个所述待定风险数据项的异常表征系数，所述异常表征系数用于表征所述待定风险数据项在所述外输管线传感数据集中的异常程度；基于各个所述待定风险数据项的异常表征系数，确定所述外输管线传感数据集的风险数据项检测结果；基于所述风险数据项检测结果得到外输管线的风险预估信息。
3、第二方面，本发明提供一种橇装系统，包括：一个或多个处理器；存储器；一个或多个计算机程序；其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序被所述处理器执行时，实现如上所述的方法。
4、本发明的有益效果至少包含以下内容：本发明在对外输管线传感数据集的待定风险数据项完成提取后，对待定风险数据项的异常程度进行判断，对提取的风险数据项进行异常程度划分，如此在基于待定风险数据项的异常表征系数对风险数据项进行选取过程中，不仅可以丢弃待定风险数据项中异常程度低的误识别风险数据项，增加风险预测神经网络提取结果的精度，同时还可以提取待定风险数据项中异常程度高的关键风险数据项，使得风险预测神经网络抽取风险数据项的能力得到提高，对风险数据项与外输管线传感数据集的相关度进行区分，能基于关键风险数据项表征外输管线传感数据集的关键运行状态，以准确识别风险，保障外输管线的风险预测精度。
1.一种基于大数据的外输管线风险预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述确定各个所述待定风险数据项的异常表征系数，包括：
3.如权利要求2所述的方法，其特征在于，所述外输管线传感数据集的表征数组包括第一表征数组，所述第一表征数组用于表征所述外输管线传感数据集全局的管线运行状态；
4.如权利要求1所述的方法，其特征在于，所述基于各个所述待定风险数据项的异常表征系数，确定所述外输管线传感数据集的风险数据项检测结果，包括：
5.如权利要求4所述的方法，其特征在于，所述基于所述外输管线传感数据集的表征数组，确定所述外输管线传感数据集的管线运行状态类型特征，包括：
6.如权利要求1~5任一项所述的方法，其特征在于，所述外输管线传感数据集的风险数据项检测结果由风险预测神经网络确定，所述风险预测神经网络包括表征信息抽取组件、风险数据项检测组件和异常指标确定组件；其中，所述表征信息抽取组件用于获取所述外输管线传感数据集的表征数组；所述风险数据项检测组件用于基于所述外输管线传感数据集的表征数组，确定所述外输管线传感数据集中的一个或多个待定风险数据项；所述异常指标确定组件用于确定各个所述待定风险数据项的异常表征系数；
7.如权利要求6所述的方法，其特征在于，所述基于所述外输管线传感数据集样本的风险数据项预估信息、关键风险数据项预估信息、风险数据项先验标记和关键风险数据项先验标记，对所述风险预测神经网络进行调优，包括：
8.如权利要求7所述的方法，其特征在于，所述风险数据项预估信息包括所述外输管线传感数据集样本中的各个数据项分别对应的预估置信度，所述预估置信度包括所述数据项针对多个风险状态类型的预估置信度；所述风险数据项先验标记包括所述外输管线传感数据集样本中的各个数据项分别对应的先验置信度，所述先验置信度包括所述数据项针对多个风险状态类型的先验置信度；
9.如权利要求8所述的方法，其特征在于，所述管线运行状态类型先验标记包括所述k个管线运行状态类型分别对应的先验置信度，所述第x个管线运行状态类型对应的先验置信度，用于表征所述外输管线传感数据集样本属于所述第x个管线运行状态类型的先验置信度；
10.一种橇装系统，其特征在于，包括：
