多工况下基于EEMD-ICNN的输油管道泄漏识别

针对多工况下管道泄漏信号预处理繁琐、误报率高的问题，提出了一种集合经验模态分解(EEMD)结合改进卷积神经网络(ICNN)的泄漏识别模型。所用识别方法采用EEMD将泄漏信号分解成若干个具有稳态性能的固有模态分量(IMF),通过相关系数划分出噪声主导向量并予以去除实现信号重构；提取重构信号的一系列指标特征作为ICNN模型的输入进行特征提取，实现管道多工况分类；ICNN在每个卷积层和池化层之间加入批量归一化层，以此加快网络训练速度。结果表明：所提模型能够快速准确识别出停泵、调阀、泄漏、正常工况，且在较少训练数据下平均识别准确率可达98.25%。与未改进的CNN和SVM分类识别模型相比，该方法有效提高了识别准确率。     

AutoCAD2000 VBA二次开发在坐标工程设计图中的应用

按照设计人员习惯，利用VBA成功地在AutoCAD2000中实现了坐标表自动生成。     

基于土壤腐蚀主成分的金属管道退化维纳过程研究

目前,对埋地管道的土壤腐蚀过程研究很少考虑各因素之间的相关作用。首先分析土壤腐蚀的因素,采用主成分分析法(PCA)筛选造成管道腐蚀的主要因素;其次应用维纳过程(Wiener Process)结合幂律应力加速方程建立针对埋地管道的非线性退化模型;再根据采集的土壤数据通过马尔科夫链蒙特卡洛(MCMC)法估计模型参数值,最终实现埋地管道剩余寿命和可靠性的预测。以川气东输利川段埋地管道进行实例分析,结果表明模型考虑了土壤腐蚀因素之间的关联性对管道的影响,同时克服了维纳过程的线性随机性的缺陷,比较客观地反映了管道的腐蚀情况,能够有效地预测土壤腐蚀环境下埋地管道的剩余寿命和可靠性,具有较好的准确性和适用性。     

基于RS-GWO-GRNN的充填管道失效风险研究

为克服充填管道失效风险评判指标间的复杂性,传统方法预测精度低及适用性差等缺陷,提出基于粗糙集(RS)和灰狼优化(GWO)算法融合广义回归神经网络(GRNN)的充填管道失效风险评价模型。选取10项风险评价指标,通过属性约简提取影响充填管道失效的主要风险因素,运用GWO优化GRNN的参数,构建预测模型,以国内某具体矿山充填系统为例进行实证研究,结果表明:与其它预测模型相比,RS-GWO-GRNN模型的预测精度更高,泛化能力更强,为充填管道失效风险研究提供了新思路,具有较好的借鉴意义。     

基于RS-SCA-PPR的充填管道失效风险预测精度研究

为提高充填管道失效风险的预测精度,建立了基于粗糙集(RS)和正余弦(SCA)算法优化投影寻踪回归(PPR)的充填管道失效风险预测模型。以某矿山为例,选取10项影响因素构建充填管道失效风险预测指标体系,通过RS属性约简原理提取5项核心因素,再利用PPR对充填管道失效风险进行预测,并采用SCA对模型参数进行优化。结果表明:RS可有效消除冗余信息,简化运算过程,SCA-PPR预测精度高、模型性能好,拓宽了矿山充填管道失效风险预测研究的思路。     

基于CHAMELEON算法构建自适应网站研究

本文把CHAMELEON算法应用于自适应网站的设计中，通过对算法的分析具体给出了算法在聚类过程中的实现细节，并按数据挖掘的过程对自适应Web站点设计中的关键问题进行了研究。经试验验证．效果明显优于其它算法。     

基于FTA-DBN的燃气管道泄漏风险研究

提出了基于事故树分析（FTA）与动态贝叶斯网络（DBN）模型的城市燃气管道事故诊断方法。充分利用FTA良好的系统性和逻辑性进行泄漏事故场景建模,发挥DBN逆向推理能力及后验概率表达准确性的优势,通过分析城市燃气管道泄漏事故可能原因建立相应FTA模型,将其转化为DBN模型并优化,最后融合多源观测信息进行事故场景快速辨识及诊断分析。推理结论与后期事故调查报告结果相符,表明该方法具有良好的合理可行性。     

基于KPCA-APSO-LSSVM的充填管道磨损风险预测

为提高充填管道磨损风险的预测精度,构建基于核主成分分析(KPCA)和自适应粒子群算法(APSO)优化的最小二乘支持向量机(LSSVM)磨损风险预测模型。首先通过KPCA对数据进行特征提取和降维处理,获取影响管道磨损的主要因素,然后应用LSSVM建立磨损风险预测模型,同时利用APSO算法对模型参数进行优化。最后,以黄陵县矿区为例,分析选取12种影响因素,建立充填管道磨损风险指标体系,借助MATLAB进行仿真训练与预测,并对预测结果进行对比分析。结果表明:KPCA-APSO-LSSVM模型与其他模型相比具有更高的预测精度及更强的泛化能力,是一种更为有效的磨损风险预测方法。     

基于GRA-FOA-ELM的腐蚀管道剩余寿命预测

为克服预测腐蚀管道剩余寿命的复杂性、传统方法效果差等问题，提出将灰色关联分析（GRA）和果蝇优化算法（FOA）与极限学习机（ELM）有机融合以建立腐蚀管道剩余寿命预测模型。通过GRA计算管道剩余寿命与腐蚀因素的关联度，优选高关联度因素，降低预测的复杂度；采用FOA优化ELM模型的隐含层阈值及输入权值，预测腐蚀管道剩余寿命。以注水管道腐蚀数据为例进行研究分析，结果表明，相对于BP、ELM模型而言，GRA-FOA-ELM模型的预测精度及泛化性能均得到显著提高，从而为油气管道腐蚀研究提供新思路。