基于KPCA-GA-BP模型的页岩气集输管道的内腐蚀速率预测

针对页岩气集输管道的内腐蚀，提出了一种基于KPCA-GA-BP组合模型的腐蚀速率预测算法。以某条页岩气集输管道的检测结果作为训练数据，运用反向传播(BP)神经网络建立预测模型，运用遗传算法(GA)优化了神经网络权值和阈值的初始值，运用核主成分分析法(KPCA)对数据进行了降维，在模型建立的过程中不断优化提升模型的预测精度，采用所建模型对另一条相邻管道进行预测并开挖验证。结果表明：选择TRAINGDM作为训练函数，隐含层节点为(8,1),遗传算法进化数为50,种群规模为100,交叉概率为0.3,变异概率为0.2,运用KPCA将数据从7维降为4维后，此模型的均方误差最低为0.12,当该模型用于相邻管道的预测时，均方误差为0.14。运用KPCA-GA-BP模型，对页岩气集输管道内腐蚀速率进行预测具有一定的准确性，此模型可用于辅助指导现场内腐蚀直接评价等相关工作。