长输管道土壤腐蚀特性分析

基于长输管道658处土壤取样点的腐蚀等级及变化趋势,选取30处典型土壤腐蚀点开展埋片试验,建立土壤腐蚀数据样本。采用BP神经网络评价法,进行多因素分析30处埋片点的测试结果,并预测其他628处取样点的土壤腐蚀特性。该方法可为今后长输管道土壤腐蚀特性分析提供依据和标准。     

基于BP神经网络的油气长输管道土壤腐蚀性预测

基于BP神经网络原理,综合考虑六类土壤腐蚀指标(土壤电阻率、土壤含水量、氧化还原电位、氯离子含量、硫酸根离子含量和p H值),建立了一种土壤腐蚀速率的预测方法。基于这种方法,依据某油田的现场土壤数据,借助MATLAB神经网络工具箱建立了这一地区的土壤腐蚀性预测的BP神经网络模型。训练和预测结果表明:训练的腐蚀速率最大误差为-1.5%,预测的腐蚀速率最大误差为8%。由此可见,基于BP神经网络的土壤腐蚀性预测方法具有较好的预测精度,对油气管道的安全运行具有重要的意义。     

川气东送管道沿线土壤腐蚀等级评价

川气东送管道是中石化第一条长距离、高压力和大口径的天然气输送管道,沿线土壤腐蚀因素复杂多变且不易确定,采用灰色关联法和改进层次分析法相结合的土壤腐蚀评价模型,采用改进的层次分析法分析确定各因素具体的权重,通过模糊综合评价方法建立的隶属函数评价川气东送管道的腐蚀现状,将其结果和现场腐蚀埋片评价的等级进行对比,验证该方法在川气东送管道土壤腐蚀评价中是可行的。     

埋地钢制管道土壤腐蚀影响因素分析及其变化规律研究

针对埋地钢制管道腐蚀程度与土壤腐蚀因素之间复杂的映射关系,利用灰色关联理论结合测试片埋地实验数据建立了埋地管道最大腐蚀深度和各个土壤腐蚀因素在不同埋地时间的灰关联度模型,确定了埋地管道在不同腐蚀年限时的最大土壤腐蚀影响因子,以及不同土壤腐蚀因子对埋地管道腐蚀影响程度随着时间的变化规律。为埋地管道使用单位和检测单位有重点的开展管道检验和维护工作提供了依据。     

基于Niche GA的BP神经网络评价天然气集输管道腐蚀

建立了天然气管道腐蚀预测的基于BP神经网络模型,并采用小生境遗传算法对该模型进行优化,将该优化模型应用于四川气田某集输管道的腐蚀速率的评价。结果表明,该模型的评价结果误差小,可以用于现场管道的腐蚀决策。     

基于BP神经网络的层状矿床采空区稳定性评价研究

层状矿床采空区稳定性的影响因素和方式有其固有特点,有必要系统地研究层状矿床采空区的稳定性并建立评价模型。根据BP神经网络原理,系统梳理了典型矿山采空区稳定性计算与评价案例,结合部分矿山设计实例,选取影响采空区的3类主要因素中的岩石抗压强度、采场暴露面积及采场跨度等9项评价指标。利用MATLAB神经网络工具箱,以选取的9个影响因素作为神经网络输入层,设立稳定、基本稳定、不稳定和极不稳定4个等级作为神经网络输出层;该网络允许最大训练步数为1 000步,训练目标最小误差为0.001,选取单隐层网络对所构建的20个样本数据进行训练测试,从而建立了BP神经网络层状矿床采空区稳定性评价模型。并以某层状铁矿采空区为例,应用训练好的BP神经网络模型对其稳定性进行预测评价,其预测结果与实际情况相符,验证了BP神经网络的有效性。     

秦京线输油管道土壤腐蚀的模糊综合评判

在分析土壤的理化性质对管材腐蚀影响基础上,确定了土壤理化性质对管材腐蚀的分级标准。建立了土壤理化性质对管材腐蚀性的隶属函数,确定了管道土壤腐蚀的模糊综合评判数学模型。最后,对秦京线输油管道的土壤腐蚀,进行了模糊综合评判。得出,秦京线土壤腐蚀较严重区域在秦皇岛输油站、昌黎输油站附近和迁安输油站出口处附近,处于“强腐蚀”和“较强腐蚀”范围内,影响秦京线土壤腐蚀主要因素是土壤含水率、含盐量和电阻率,其中以含水率的影响最大。     

基于BP神经网络的教学质量评价的探讨

教学是学校的基本功能,正确评价教学质量具有重要的实际意义。本文在分析现有教学评价方法的基础上,结合BP神经网络的特点,探讨了基于BP神经网络的教学质量评价方法。通过分析教学质量评价体系,我们构建了教学质量评价BP神经网络模型,模拟检验结果表明,BP神经网络可以有效、准确地评价教学质量。     

基于CNN和BiLSTM的文本情感分类

针对于文本情感分类任务,本文提出了混合深度神经网络模型CNN-Inception-BiLSTM。该模型利用卷积神经网络(CNN)和循环神经网络(BiLSTM)联合提取文本特征。实验结果表明,该模型的准确率和F1值分别为0.8823、0.8821,相比于BiLSTM、TextCNN等模型有显著提升。     

改进BP神经网络的再生粗骨料混凝土强度预测*

抗压强度作为评价再生混凝土主要性能指标之一,从四篇文献中搜集了43个抗压强度样本。基于改进的BP神经网络理论,建立了以再生粗骨料取代率、水灰比、龄期为输入,抗压强度为输出的神经网络模型,其结构形式为3-7-9-1。对该网络进行训练和学习,对并测试样本进行检测,结果表明,训练效率不仅大大提高,且而误差较小,并结合回归拟合系数,进一步表明该模型能够有效的的预测再生混凝土抗压强度值,能满足工程需要。     

应用优化的BP神经网络模型预测储层伤害程度

为了快速、准确的预测柴西北区N21～N22储层伤害程度,在收集岩心分析资料的基础上,建立了预测储层敏感性伤害的神经网络模型。该神经网络模型运用遗传算法和Levenberg-Marquardt算法对BP神经网络的权阈值进行搜索,改进了以往神经网络模型容易陷入局部最优以及收敛速度慢的缺点,有效提高了网络的收敛性和预测的准确率。仿真结果表明：优化后的BP神经网络模型的敏感性伤害程度预测结果与岩心流动实验结果符合率高,同时,优化后的BP神经网络模型比以往的BP网络模型预测速度快、精度高。     

地表水质分析及方法比较

在水质评价过程中,水环境质量等级之间存在非线性关系,这给水质评价工作带来难度。针对此,以某地地表水质作为研究对象,对单因子分析法、离散Hopfield神经网络模型和T-S模糊神经网络模型3种水质评价方法进行分析比较。仿真结果表明:模糊神经网络算法结合了神经网络系统和模糊系统的优势,集学习、联想、识别与信息处理于一体,评价结果稳定、合理,优于离散Hopfield神经网络模型,非常适合对于此类问题的研究;而单因子分析法存在一定的局限性。     

基于遗传BP神经网络预测硫在高含硫气体中溶解度

为更精确地关联预测硫在高含硫气体中的溶解度,提出将遗传算法(GA)和LM-反向传播神经网络(LM-BP ANN)相结合的预测模型。设计了该模型的计算过程,讨论了模型参数的设置。以温度、压力和气体组分作为BP神经网络预测模型的输入变量,利用GA优化了BP神经网络的初始权值和阈值,采用遗传算法优化后的BP神经网络计算了元素硫在高含硫气体中的溶解度。结果表明,该模型训练结果与实测值之间的平均相对误差为5.90%,测试结果与实测值的平均相对误差为5.54%;该方法较BP神经网络模型具有预测精度高、收敛速度快的优点;该模型具有较好的模拟及内推、外推功能。     

基于改进的T-S模糊神经网络循环冷却水腐蚀预测

在数据挖掘的理论上,使用主成分分析对样本数据进行降维和预处理,然后以工业循环水的腐蚀速率为研究对象,建立基于改进的T-S模糊神经网络的腐蚀速率预测模型。应用于某石化实际生产数据,进行模型验证,并将该模型与BP神经网络模型进行比较,仿真结果证实了改进T-S模糊神经网络模型的有效性和优越性。     

模糊神经网络在巷道支护方案选择中的应用

为解决巷道支护方案选择的问题,结合模糊理论与人工神经网络,利用MATLAB构建模糊神经网络评价模型,该模型通过处理各评价指标数据,对围岩稳定性进行分级。经过网络训练与检测,该模型能够较好地评价巷道围岩稳定性,将其应用于程潮铁矿某一水平巷道支护方案选择中,针对不同的部位采取相应的支护方案,预测结果经实践检验效果良好,安全可靠,可为巷道支护方案的选择提供科学指导。     

BP神经网络在乙烯裂解炉预测分析中的应用研究

利用MATLAB工具箱中的BP神经网络模型建立了乙烯裂解炉的三层神经网络模型,应用该模型分析和预测了裂解产物乙烯和丙烯的收率。预测结果与生产过程数据的比较表明,该模型能适合实际生产过程,可用于乙烯生产的预测分析和预测控制。     

基于GA-BP神经网络的CaO2-海藻酸缓释剂的抑藻模型

本文通过原位合成的方式，开发了以Ca O₂为活性物质，海藻酸为骨架材料的新型Ca O₂-海藻酸缓释剂，并借助神经网络、遗传算法的机器学习技术定量研究了在模拟蓝藻水华暴发前夕的自然水体环境下该缓释剂不同投加策略对不同浓度水平铜绿微囊藻生长的抑制效果。实验表明，Ca O₂-海藻酸缓释剂对各浓度水平铜绿微囊藻的生长抑制效果均表现良好，最大抑制率可达到74.41%。通过模型性能评价，确定GA-BP神经网络模型为该缓释剂抑藻效果的最优化模型。本文对Ca O₂-海藻酸缓释剂的开发与基于GA-BP神经网络的抑藻模型的确定为该新型缓释抑藻剂的具体投加策略以及蓝藻水华的防治提供了可行思路与方法。     

基于长短时记忆循环网络的塑料编织机故障诊断研究

长短时记忆(LSTM)循环神经网络的塑料编织机故障诊断法通过提取振动信号的能量矩,突出信号在时间轴上的分布特征,降低输入模型的向量维度。从多个特征向量构成的样本集中选择80%作为训练样本,训练LSTM循环神经网络模型,并利用剩余样本验证模型的检测精度;以准确率、查准率和查全率作为评价指标,利用多组不同的振动数据样本,对BP神经网络模型、卷积神经网络(CNN)模型和LSTM循环神经网络模型进行比较分析。结果表明:LSTM循环神经网络模型在不同样本中能够同时达到较高的准确率、查准率和查全率,其平均值分别可达95.69%、86.96%、96.89%,证明LSTM循环神经网络能充分学习具有时序特性的故障信息,对塑料编织机的故障诊断具有可行性和有效性。     

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。     

龙虎泡、新肇油田土壤腐蚀性研究

随着大庆西部外围油田的开发,埋地管线及各类金属构筑物的增多,金属的腐蚀问题也越来越受到人们的重视。作为金属腐蚀重要原因之一的土壤腐蚀,一直是防腐工作的一个重点。无论是埋地管线的材质、防腐层的选择还是管线腐蚀程度的评价、阴极保护措施的制定都需要对土壤的腐蚀性进行了解。本文通过合理布点、检测和数据分析,对土壤的腐蚀性进行研究,确定出各区块土壤腐蚀等级,并按不同等级进行测试并绘制土壤分级图。