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KPCA-BAS-GRNN的埋地管道外腐蚀速率预测

目的 提高埋地管道外腐蚀速率的预测精度。方法 建立基于核主成分分析法（KPCA）和天牛须搜索（BAS）算法优化的广义回归神经网络（GRNN）腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道外腐蚀的主要因素,应用GRNN建立埋地管道外腐蚀速率预测的数学模型,并采用BAS算法对模型进行优化,减小了人为设置参数的影响。以川气东送埋地管段为例,分析选取出12种关键影响因素,建立了埋地管道外腐蚀指标体系,借助MATLAB-R2014a编写程序进行仿真,并与实际值进行对比。结果 模型的预测结果与实际值基本一致,KPCA可有效降低指标体系的维度,提取出包含原始信息97.9%的3个主因素—土壤电阻率、氧化还原电位、氯离子含量,简化了运算过程。采用的BAS-GRNN模型将预测精度提高到7.83%以内,平均相对误差5.21%,决定系数取值0.93。与其他模型相比,该模型性能较好,预测精度更高。结论 采用KPCA提取的主要影响因素符合工程实际,建立的BAS-GRNN模型预测精度高,有较好的适应性,为埋地管道外腐蚀速率预测提供了新思路,对管道的维护更新工作提供了参考依据。