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。     

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。     

基于回归分析和GA-BP神经网络算法的3D打印件弯曲性能预测

为进一步探究熔融沉积成型(FDM) 3D打印参数和制件弯曲性能之间的关系,创建合理的FDM 3D打印制件弯曲强度预测模型。根据正交试验L16 (45)的设计原则和神经网络算法模型的构建要求,按照不同分层高度、填充密度、打印温度、打印速度以及外壳厚度五种因素,制备25组试验试样,并进行弯曲性能检测。随后通过建立GA-BP神经网络模型、传统BP神经网络模型以及多元回归方程模型,分别对FDM 3D打印制件弯曲性能进行预测,并将预测数据与试验测试数据进行对比。通过对比发现,GA-BP神经网络模型预测数据与试验测试数据更为接近,其平均误差为3.71%,且误差值整体波动最小,BP神经网络模型与多元回归方程模型预测精度相差不大,BP神经网络模型预测平均误差为8.05%,多元回归方程模型预测平均误差为9.07%,但多元回归方程误差值整体波动最大。因此,采用GA遗传算法优化后的BP神经网络模型在进行FDM 3D打印制件弯曲性能预测方面具有更高的精度和更良好的稳定性。     

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。     

含硫长输油气管道腐蚀预测

油气管道的腐蚀与防护一直是油气集输开采行业长期以来需要解决的问题,管道的腐蚀检测和腐蚀分析,对油气开采安全具有重要的意义。选择常用的L369QCS管道钢材为例,在实验室进行试验分析,研究不同情况的腐蚀速率,为腐蚀机理和腐蚀的产生提供实验借鉴。并建立了腐蚀预测的相关模型,为油气管道的腐蚀预测分析提供理论指导。     

徐深气田CO_2腐蚀速率预测方法研究

通过室内CO2腐蚀模拟实验获得实验数据,利用灰色理论对CO2腐蚀参数进行分析确定CO2腐蚀的主要影响因素,建立BP神经网络腐蚀速率预测模型,利用主要影响因素进行网络训练。利用此模型预测徐深气田某井的腐蚀剖面,预测结果表明：BP神经网络预测结果与气井实验结果接近,体现了BP神经网络在处理非线性数据方面的优越性。灰色理论、神经网络预测模型的研究对于徐深气田CO2腐蚀研究有一定的指导意义。     

BP神经网络在城市燃气管道剩余寿命预测优化

针对城市燃气管道布局复杂、影响因素众多的特点,作者提出基于BP神经网络模型的统计模型对城市燃气管道进行剩余寿命预测,用差值模型修正BP神经网络模型预测值。实验结果表明:针对城市燃气管道剩余寿命的预测,BP神经网络模型的统计模型具有很好的预测能力和较佳的推广能力,验证了构建的基于BP神经网络的时间序列预测模型的有效性和普遍适用性。     

基于小波神经网络预测多相动态管道腐蚀速率

利用小波神经网络模型预测多相动态环境下油气集输管道腐蚀速率。首先通过室内多相动态腐蚀实验,获得了不同工况条件下的挂片腐蚀速率,用于训练和检验小波神经网络预测模型,然后利用多因子方差分析研究了温度、压力、流率、硫化氢含量、二氧化碳含量、溶解氧含量、含水率、盐含量和pH对腐蚀速率的影响程度,实现了各因素的有效性筛选,最后在确定隐含层节点数基础上通过训练、测试建立起适宜的小波神经网络预测模型,并进一步验证了模型可靠性。结果表明：除了压力外,各因素对腐蚀速率均有十分显著的影响,属于有效输入信号。当隐含层节点数为17时,8-17-1型小波神经网络结构表现出良好的准确性和稳定性。利用Levenberg Marquardt优化算法对模型进行了反复训练,直至其均方根误差小于容许收敛误差限0.001,预测值与实际值近似呈线性关系,训练、测试阶段决定系数分别为0.9992、0.9967,相关性较高,模型预测值和验证值亦不存在显著差异。因此小波神经网络预测模型对多相动态环境下油气集输管道腐蚀速率具有良好的预测能力。     

GA-BP神经网络的钛合金微弧氧化膜层厚度预测模型的建立

利用正交试验法获得的TC4钛合金微弧氧化实验数据建立了基于4-11-1(即4个输入神经元,11个隐含层节点,1个输出神经元)结构的BP神经网络预测膜层厚度的模型,并引入遗传算法(GA)对其权值和阈值进行优化。以微弧氧化工艺参数中的电流密度、脉冲频率、占空比和氧化时间作为网络的输入向量,氧化膜层厚度作为网络的输出向量,对比和分析了BP与GA-BP模型的预测结果。与BP网络模型相比,GA-BP网络模型稳定性能较好,并能高精度预测膜层的厚度,GA-BP网络模型预测值的平均误差为0.015,最大误差仅为0.036,而BP模型预测结果的平均误差为0.064,最大误差为0.099。     

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.     

关于海底管道腐蚀检测技术发展现状及应用研究

海底管道是海洋油气资源运输的主要途径,在海洋油气资源开发过程中起到了重要作用。但在使用过程中,受到海流、海水、生物和微生物等腐蚀因素的影响,海底管道内部会发生腐蚀穿孔甚至破裂,从而造成极大经济损失。因此对海底管道进行检测、评估和寿命预测研究具有重要意义。目前常用的检测方法主要包括超声波检测、漏磁检测和泄漏点检测等方法。本文主要介绍了这几种常见的海底管道腐蚀检测技术。     

基于遗传算法优化的BP神经网络气化用煤灰流动温度预测模型

采用遗传算法优化的BP神经网络建立煤灰流动温度预测模型，模型以灰成分及酸碱质量比、硅铝质量比等组合参数作为输入变量，以煤灰流动温度作为输出量，对126组来自中国北部地区的煤灰样数据进行训练与测试，并建立常规BP神经网络模型，研究了各输入变量对网络模型预测精度的影响并对比与常规BP神经网络模型的预测能力。结果表明：不同输入层变量的GA-BP神经网络模型对训练集和测试集样本数据都具有较好的学习和泛化能力，所有预测结果相对平均预测误差均不超过4%。酸碱质量比和硅铝质量比参数作为神经网络输入层的添加，虽略微提高模型对训练样本的拟合程度，但也导致验证时过拟合现象的发生，模型对新样本的拟合优度下降。采用SiO₂,Al₂O₃,Fe₂O₃,CaO,MgO和Na₂O+K₂O的质量分数6个参数作为输入变量的GA-BP模型最为适合，其对测试集数据的预测相对平均误差为3.45%,低于常规BP神经网络模型3.79%的误差。     

基于GA_Elman神经网络的长输管道泄漏检测方法

为提高长输管道泄漏检测的准确率,提出基于GA＿Elman神经网络的管道泄漏检测方法,该方法通过使用遗传算法（GA）对Elman神经网络的权值和阈值进行优化,不但克服了Elman神经网络易陷入局部极值的缺陷,而且提高了Elman神经网络的预测精度。实验证明该方法可用于管道泄漏检测,其效果优于BP神经网络与Elman神经网络检测模型,预测精度96.9%。     

渤海某海底管道内部腐蚀状态评估

渤海某海底油水混输管道不具备内检测条件,为了解该管道内部腐蚀状况,需要识别出管道内部腐蚀风险因素,进一步预测管道的内部腐蚀程度。通过腐蚀风险因素筛选,管道内部腐蚀风险主要为C O2腐蚀,Cl-的存在对腐蚀具有一定的促进作用。通过腐蚀速率预测,自投产日起至今管道最大壁厚损失为1.64mm,腐蚀深度为12.9%。考虑维持现有状态运行,3年后和5年后的最大壁厚损失均未超过设计腐蚀裕量（3 mm）,管道暂时能安全运行。预测管道入口端腐蚀风险高于出口端。     

在役油气管道腐蚀速率的时间序列预测

随着油气管线使用年限的增加,腐蚀必将给管线的安全运行带来威胁。为了预测整个管线的腐蚀情况,确知腐蚀对管线结构完整性的危害程度,有必要对腐蚀趋势进行预测。在充分利用管道腐蚀检测数据基础上,建立了相应的时间序列数学预测模型,并利用此模型对实际管线的腐蚀速率进行了预测,预测结果为描述管道腐蚀缺陷发展趋势、综合评价管线的剩余工作能力提供依据,从而保证管线的安全运行。     

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。     

海底管道的腐蚀及防治措施

海底管道是海洋油气运输的大动脉,海底管道运行安全与否直接关系到世界油气交易正常运转和国内工业发展。海管安全隐患主要是由腐蚀造成,本文通过调研文献研究了国内外海底管道的分布现状,分列海底管道腐蚀环境和原因,分析了海底管道腐蚀类型,针对这些腐蚀采取防腐措施,通过新技术对海底管道腐蚀状况进行检测,对未来海底管道防腐技术的发展进行展望。     

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。     

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。     

基于GA-BP神经网络的塑料X射线吸收光谱的辨识

采集15种塑料样本的X射线吸收光谱(XAS),对光谱数据进行预处理和主成分分析,建立误差反向传播(BP)神经网络和遗传算法优化的误差反向传播(GA-BP)神经网络模型,利用训练集进行网络训练,并通过测试集进行验证。结果表明,GA-BP神经网络相比于BP神经网络可以更好更稳定的对塑料样本的XAS进行识别,这对塑料的回收具有重要的指导意义。