循环冷却水系统腐蚀速率的预测模型

通过对某石化公司循环冷却水系统生产运行数据的分析,选取了对腐蚀速率影响较大的水质参数,借助神经网络良好的非线性能力,基于BP神经网络建立了腐蚀速率的预测模型.利用该模型对循环冷却水系统一定周期腐蚀速率的预测结果较好.     

基于灰色BP神经网络的水泥强度预测模型研究

水泥强度的预测具有多变量、非线性和大时滞特性,因此传统线性回归方法的结果不准确。除此之外,传统的神经网络预测可能对少量样本不够精确。本文建立灰色BP模型,以此来预测水泥的强度。建立一个多因素灰色模型GM(1,N)用于水泥化学成分的样本数据进行预处理,得到新的数据来作为建立预测模型的样本数据,通过BP神经网络建立预测模型。最终通过建立的灰色BP神经网络预测模型来预测28天水泥强度。仿真结果表明:灰色BP预测模型的效果比BP预测的要准确。     

基于灰色系统的金属在土壤中的腐蚀研究

以Q235B钢为研究对象,利用CR-6型腐蚀速率计量实验系统,测量并记录了Q235B钢在不同含水量、PH值、氯离子浓度、镁离子浓度和硫酸根离子浓度土壤中的腐蚀速率。以实验数据为基础,利用Matlab软件得到了不同因素对Q235B钢腐蚀速率影响情况的灰色预测模型。结果表明,该灰色预测模型能与实验结果较好的拟合,准确度高。     

集输管道CO_2腐蚀预测研究

结合实际集输管道运行工况,使用OLGA软件建立了输气集输管道CO2腐蚀预测模型,计算了集输管道的腐蚀速率,预测分析了温度、CO2分压、含水量、流速及管道高程等因素对腐蚀速率的影响,总结了集输管道的CO2腐蚀特性,并与集输管道现场检测数据进行对比验证,预测效果良好。     

CO_2腐蚀预测及其在井下管柱寿命预测中的应用

腐蚀是影响气井井下管柱寿命的重要因素,正确预测井下管柱的腐蚀速率是提高防腐效果的关键。CO2腐蚀是富CO2气井管柱可靠性寿命的最关键制约因素。笔者通过调研,对目前国内外油气田常用的腐蚀速率预测模型进行了分类和剖析,此基础上提出了气井井下管柱的可靠性使用寿命的预测方法,并建立了相应的模拟程序。通过对比研究发现在低温低压条件下不同预测模型的预测结果相近,但是高温高压条件下的预测结果则相差较大,因此需要根据不同的矿场条件优选相应的腐蚀速率预测模型。将腐蚀速率预测结果与井下管柱的安全使用厚度结合可以有效预测气井井下管柱的可靠性寿命。研究结果对现场生产有一定的指导意义。     

常减压装置腐蚀速率的灰色组合预测模型

石化企业中的炼化装置结构复杂,影响因素众多,设备腐蚀程度难以控制,采用建立腐蚀预测模型的方法成为常减压装置腐蚀研究的新趋势。论文对灰色GM(1,1)模型和神经网络模型进行了分析,在此基础上使用一种复合灰色和神经网络的组合模型对设备腐蚀速率进行预测。实例检验表明,组合模型的预测值比灰色模型更接近实测值,具有推广价值。     

基于离散灰色和BP神经网络的储罐不均匀沉降预测研究

介绍了离散灰色理论的建模机理,提出Levenberg-Marquardt算法改进的B P神经网络,分析两种预测模型单独使用时的优缺点。将离散灰色模型与改进的BP神经网络进行有机结合,给出利用BP神经网络对离散灰色模型残差进行修正的综合预测方法。接着利用该预测模型对大连储备库某罐体不均匀沉降进行预测。结果表明,综合预测模型弥补了单一预测模型的缺点具有更高的预测精度。     

BP神经网络在炼油污水回用于循环水系统中腐蚀率的预测

介绍了BP神经网络的构造及基本原理,阐述了利用MATLAB的GUI建立BP模型的方法和步骤,并将其应用于炼油污水回用于循环冷却水系统腐蚀率的预测,建立一个以电导率和p H为输入向量、腐蚀率为输出向量的BP神经网络预测模型。结果表明,采用GUI建立的三层结构的BP神经网络模型,对炼油污水循环冷却水系统的腐蚀率的预测具有较高的预测精度。说明人工神经网络在循环水腐蚀预测中的应用是可行的,具有一定的应用价值。     

基于小波神经网络的循环冷却水腐蚀预测研究

利用某石化企业40个月的循环冷却水实际生产数据,基于小神经网络进行了腐蚀预测研究。经过对比分析,得出了小波神经网络预测精度最高的网络模型为6-7-1结构。在相同输入参数向量下,对含有相同隐层节点个数的小波神经网络和BP神经网络进行腐蚀预测对比,小波神经网络比BP神经网络预测精度高。     

CO_2腐蚀油井水泥石的深度及预测模型

利用高温高压腐蚀仪和测量显微镜对CO2腐蚀油井水泥石的腐蚀深度进行了检测,分析了温度,CO2分压,腐蚀时间及水泥浆组成对腐蚀深度的影响,提出了水泥石腐蚀深度的预测模型。结果表明:腐蚀深度作为评价腐蚀程度的几何指标可用于综合评价水泥石的腐蚀程度。特定腐蚀条件下水泥浆组成不同水泥石腐蚀深度不同,可采用线性,平方根,对数函数近似描述腐蚀深度随温度、CO2分压及腐蚀时间的增加而增加的变化关系。以各体系实验数据为基础,采用数值回归分析方法建立了腐蚀深度预测模型,其计算结果与实测值吻合较好,可用于评价和预测处于井下长期腐蚀环境中水泥石的受腐蚀状况及程度。     

子洲-米脂气田气井腐蚀因素及腐蚀规律研究

随着子洲-米脂气田的大规模开发,产水气井及产水量的逐年增多,因腐蚀而引起的管筒穿孔、断脱,井口及集输管网渗漏问题的日渐突显,给气田生产造成了严重危害和经济损失。为了准确掌握井下油套管腐蚀状况,需要系统分析影响井下管串腐蚀的主要因素、腐蚀程度及防腐效果及进行腐蚀规律研究。本文主要对子洲一米脂气田生产井的腐蚀性影响因素及腐蚀规律开展研究,通过整理检测气田整体区块的气质、水质和凝析油基础物性,结合对井筒的腐蚀挂片试验,通过应用腐蚀机理研究,分析判定了子洲-米脂气田天然气属于微含硫、低含CO2干气气藏,气井存在的腐蚀和结垢趋势,气田腐蚀主要表现为CO2腐蚀,对CO2分压、pH值、H2S、凝析油等主要因素和次要因素进行了系统分析,将来为下一步筛选合理缓蚀剂提供理论依据。     

基于灰色神经网络模型玻璃钢锚杆支护巷道变形预测研究

建立了用灰色系统预测GM(1,1)模型耦合BP神经网络预测模型组合形成的并联型灰色神经网络预测模型(PGNN)和串联型灰色神经网络预测模型(SGNN),对大冶铁矿矿岩接触带玻璃钢锚杆支护巷道围岩变形监测的结果应用两种灰色神经网络预测模型进行预测。预测结果与实测值的对比分析表明串联型灰色神经网络预测模型的预测精度高于并联型灰色神经网络预测模型、灰色系统预测GM(1,1)模型和BP神经网络预测模型,适合矿岩接触带玻璃钢锚杆支护巷道围岩的变形预测,且具有一定的合理性和准确性。研究结果表明玻璃杆锚杆对矿岩接触带巷道的支护效果良好,巷道变形在安全生产的范围内,为在此类矿岩接触带巷道中推行玻璃钢锚杆支护提供了理论依据。     

基于ASO-BP神经网络的海底油气管道腐蚀速率预测

随着我国海洋油气管网的发展与建设，管道数据采集量随之增大，优秀的预测模型可以应对大量数据，准确预测管道腐蚀速率，对保障管道安全健康运行具有重大意义。将原子搜索优化算法（ASO）思想引入BP （Back propagation）神经网络，构建ASO-BP神经网络用于海底油气管道腐蚀速率的预测。以50组现场数据为例，使用Matlab进行模拟仿真计算，分别构建具有代表性的BP、GA-BP和ACO-BP模型作为对比，对海底油气管道腐蚀速率数据进行训练和预测，结果表明ASO-BP模型预测精度较高，其平均绝对百分比误差（MAPE）为3.16%，预测结果优于BP、GA-BP和ACO-BP，验证了其可靠性以及良好的预测性能，为海底管道腐蚀速率预测研究提供了新的方法和思路。     

灰色预测在腐蚀压力管道可靠性设计中的应用

基于灰色系统理论和灰色预测的基本原理,根据受腐蚀压力管道的腐蚀数据建立与腐蚀时间关系的GM(1,1)灰色预测模型,通过对灰色预测数学模型的精度进行检验,从而分析压力管道的可靠度。灰色预测数学模型的应用能有效解决压力管道风险分析过程中小样本、贫信息和不确定的风险分析问题。     

基于BP神经网络的玻璃纤维增强塑料腐蚀条件下的寿命预测

通过腐蚀条件下玻璃纤维增强塑料老化前后宏观、微观形貌及力学性能的变化对复合材料使用寿命的影响因素进行分析,分析表明,腐蚀条件下玻璃纤维增强塑料使用寿命受温度、时间和腐蚀介质浓度三种因素影响。结合玻璃纤维增强塑料的弯曲强度保留率建立结构为3-10-1的三层BP神经网络模型对复合材料使用寿命进行预测。通过预测数据和实测数据的对比及误差分析,并随机抽取6组检验数据进行检测,结果表明,所建立的BP神经网络模型得到的预测值与实测值具有较好的拟合度。     

陕北气田腐蚀现状分析

陕北气田腐蚀的相关试验和基础数据较少,给工艺方面的防腐工作带来了一些困难,为此分析陕北气田的腐蚀现状十分重要。通过分析发现陕北气田气井腐蚀的起因应该主要是CO2腐蚀和溶解盐腐蚀。     

基于CO_2腐蚀形貌特征的腐蚀预测方法研究

采用灰度数据矩阵统计、小波变换及二值化等方法对不同油管钢经CO2腐蚀后的表面形貌图像进行特征提取。采用二值特征提取算法计算出以像素点个数表示的孔蚀面积,采用像素点集合求得蚀孔数目,并用能量灰度数据矩阵统计特征值,反映孔蚀表面腐蚀形貌凹凸起伏变化的复杂特征。结合多层前馈式反向传播BP神经网络,以腐蚀形貌图像的各向异性能量参数和小波变换后子图像的能量参数作为腐蚀类型判据,建立了基于BP神经网络的孔蚀速率诊断模型,诊断结果与实验结果基本吻合。     

腐蚀海洋立管剩余强度预测

利用人工神经网络具有的高度非线性映射功能,对在役腐蚀海洋立管的剩余强度进行预测。综合分析了管径、壁厚、腐蚀缺陷长度、腐蚀缺陷深度和管材极限抗拉强度对腐蚀海洋立管剩余强度的影响,建立了反向传播(BP)神经网络预测模型。利用遗传算法(GA)优化BP神经网络的权值和阈值,构建了GA-BP神经网络预测模型。采用DNV-RP-F101标准计算出来的样本数据分别对以上两种网络模型进行训练和预测。预测结果表明:利用人工神经网络对腐蚀海洋立管剩余强度进行预测是可行的,且GA-BP神经网络能够有效地提高网络的收敛性和预测精度。     

含CO_2井筒腐蚀机理及预测

CO2腐蚀对石油行业危害性巨大,是近年来腐蚀研究的重点。国外CO2腐蚀预测模型已达十多种,目前最为常用的是Norsok和De Waard模型。通过分析含CO2天然气气井的腐蚀影响因素,揭示了井下油管腐蚀速率与各腐蚀因素之间的内部规律。通过调研分析Norsok和De Waard模型,指出其各自的适应条件,以求为含CO2天然气井腐蚀防护提供了理论参考。     

基于神经网络的钢铁企业电厂煤汽比预测模型

以钢铁企业自备电厂锅炉煤汽比为研究对象,以灰色关联度分析为基础,从理论和数据两方面分析了影响煤汽比的主要因素及各因素对煤汽比影响程度的大小.结果表明,各因素对煤汽比的影响程度为排烟温度热风温度给水温度空燃比烟气含氧量.基于BP神经网络预测方法,建立了自备电厂锅炉煤汽比预测模型,此BP神经网络为5-12-1结构,隐含层和输出层分别用tansig,purelin函数传递,利用改进动量梯度下降优化算法traingdm训练网格.预测结果表明,该模型网络训练值与实际值较吻合,相关系数R达到0.993 7,用建立的网络进行预测,预测的相关系数为0.976 2,平均误差绝对值为3.9%,在可控范围之内,证明了网络的可靠性与良好的泛化推广能力,可用来指导实际生产.