基于ARIMA线性时间序列的埋地输油管道剩余寿命预测

针对埋地输油管道剩余寿命预测问题,构建基于ARIMA线性时间序列的埋地输油管道剩余寿命预测模型,并对输油管道剩余寿命进行预测。结果表明：基于ARIMA模型预测出该段管道的剩余寿命为27年,与专业的压力实验计算出的剩余使用寿命28年最为接近,与其他模型对比研究,ARIMA模型更为准确地预测出管道剩余寿命。     

油气长输管道腐蚀检测及强度评价

对油气长输管道的腐蚀的类型、腐蚀的因素、腐蚀的特点进行了全面的分析,深入的阐述长输管道剩余寿命预测的基本原理。根据不同的腐蚀程度,建立基于电化学腐蚀机理的剩余寿命检测模型和腐蚀率模型,相结合剩余强度的接受准侧,对腐蚀的程度进行校准,最终确定长输管道剩余"寿命"。     

多因素综合作用下高寒地区输油管道剩余寿命的预测

文章将基于高寒地区管道的低温环境,针对此类环境中长输管道内腐蚀监测较为困难的现状,对其剩余寿命进行预测。首先利用ANSYS仿真软件,建立了含有内腐蚀缺陷的高寒地区管道有限元仿真模型,然后对多因素作用下该模型内腐蚀缺陷处的最大等效应力的变化情况进行了分析,得到对管道缺陷处的最大等效应力影响最大的因素是腐蚀深度。在此基础上,采用有限元分析方法对管道的失效压力进行分析,最后选取理论寿命预测公式对高寒地区含有内腐蚀缺陷输油管道的剩余寿命进行了预测。结果表明,在腐蚀坑极限深度9 mm时,管道的已使用年限为36.76年。在已知管道设计寿命时,即可得到管道任意壁厚下的剩余寿命。这为高寒地区管道的内腐蚀监测及确定管道的检修周期提供了有效的帮助。     

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%。     

在役输油管道剩余寿命的预测

油气长输腐蚀管道剩余强度评价的目的就在于研究缺陷是否能在某一操作压力下允许存在,以及在某一缺陷下允许存在的最大工作压力,从而科学地指导管道的维修计划和安全生产管理。本文基于此,分析油气长输管道的腐蚀特点与腐蚀影响因素,然后概述腐蚀寿命预测技术,继而提出腐蚀管线剩余寿命预测技术,包含了均匀腐蚀缺陷剩余寿命预测和点蚀缺陷剩余寿命预测,从而为实际提供必要的借鉴和依据。     

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。     

城市再生水年利用量预测分析

城市再生水利用量预测对于城市再生水资源的优化配置至关重要。以苏州市为例，对影响再生水年利用量的因素进行相关性分析，筛选得到7个与再生水年利用量相关性较高的影响因素，并采用灰色GM(1,1)模型对各因素进行预测，预测结果作为BP神经网络的输入变量，利用BP神经网络非线性映射能力强、可自学习等优点，建立模型预测苏州城市再生水年利用量。模型验证分析表明：灰色模型和BP神经网络模型组合输出的预测结果与实际值之间的误差绝对值均小于1%,预测精度等级较高。最后应用该组合预测方法预测了苏州市2021年、2022年以及2025年的城市再生水利用量，以期为城市再生水利用量评估以及再生水利用规划、合理配置提供参考依据。     

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SPM的多变量连续过程在线故障预测方法

研究了一类模型未知带有隐含故障的多变量连续过程故障预测问题。基于统计过程监测(SPM)方法,提出了一种上述故障预测问题的解决方案。该方案首先利用正常状态下的样本数据建立主成分分析(PCA)模型,然后根据该模型构造出预测特征量,最后对该特征量进行时间序列分析和预测,从而预测出系统的剩余有效寿命(RUL)。针对线性时不变系统构造了预测特征量,并分析了在一定的系统结构假设和故障假设下的剩余有效寿命预测误差。基于CSTR的仿真实例说明了该方法的有效性。     

基于神经网络的城市交通流预测研究

衡量交通发展水平的主要标准便是交通流,然而如今常常忽略对交通流的预测,由此更容易造成交通堵塞等常见的交通问题。因此城市交通流的预测能力便显得尤其重要,本文不仅提出了影响交通流的主要原因,而且还提出了一种基于神经网络的城市交通流的预测方法和模型,其模型是由径向基网络(RBF)和BP神经网络共同建立的,本文也对这两种网络的特点进行了分析,在此理论基础上实行了仿真试验,最后发现这种基于神经网络的城市交通流预测模型相比于其他方法,有着更高的准确度。     

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ASO-BP神经网络的海底油气管道腐蚀速率预测

随着我国海洋油气管网的发展与建设,管道数据采集量随之增大,优秀的预测模型可以应对大量数据,准确预测管道腐蚀速率,对保障管道安全健康运行具有重大意义。将原子搜索优化算法（ASO）思想引入BP （Back propagation）神经网络,构建ASO-BP神经网络用于海底油气管道腐蚀速率的预测。以50组现场数据为例,使用Matlab进行模拟仿真计算,分别构建具有代表性的BP、GA-BP和ACO-BP模型作为对比,对海底油气管道腐蚀速率数据进行训练和预测,结果表明ASO-BP模型预测精度较高,其平均绝对百分比误差（MAPE）为3.16%,预测结果优于BP、GA-BP和ACO-BP,验证了其可靠性以及良好的预测性能,为海底管道腐蚀速率预测研究提供了新的方法和思路。     

基于SVR误差补偿技术的神经网络城市污水厂水质预测

城市污水处理是一个复杂的生化处理过程,现在的神经网络技术无法做到对此过程精准建模.为了解决该问题,提出了一种基于SVR误差补偿技术的神经网络水质预测算法.该算法先利用BP神经网络对水质处理过程进行映射,再利用SVR误差补偿模型获得BP网络的预测补偿,进行预测数据校正.为了验证补偿模型的性能,还组织了马尔科夫补偿模型的对...     

改进樽海鞘算法的持液率预测模型研究

为了提高对湿气管道持液率的预测精度,文中对输入参数进行灰色关联熵设计,减少单纯关联度设计参数的波动性影响。其次针对一般樽海鞘算法在寻优过程中易出现“早熟”难题,提出双更新机制的樽海鞘算法。它通过双更新机制、参数微调、猴群跳跃策略、衰减因子调整来改进其寻优性能。最后用新改进算法优化BP神经网络持液率预测模型的权值和阈值,其模型所求预测结果与传统BP算法及其他一般算法优化BP神经网络预测模型的预测结果进行对比。仿真实验表明：文中算法新模型求出的预测精度较高、适用范围广,明显优于其他算法,为湿气管道的持液率精确预测提供了一种新方法。     

模糊综合评价在城市埋地燃气管道火灾风险评价中的应用

为了有效地评价城市埋地燃气管道的火灾风险,提高其安全管理水平,根据引发燃气火灾事故特点,基于模糊综合评价法,提出完整的城市埋地燃气管道火灾风险的评价模型。根据导致燃气管道火灾事故的主要因素,从安全管理状况、人员安全素质、管网设施安全运行和外部环境状况四个方面建立了城市埋地燃气管网火灾风险定量评价指标体系。城市埋地燃气管网火灾风险的模糊综合评价模型可以客观、准确地对城市埋地燃气管道的火灾风险进行定量评价,得出评价等级。     

基于腐蚀挂片数据的海底管道剩余寿命估算

针对海底管道腐蚀剩余寿命预测的难题,结合海底管道目前最常用的挂片法所能获得的有效数据,推荐了四种适用的剩余寿命估算方法,并进行了案例应用。结果显示利用挂片数据,这四种估算方法都是可行的,但是不同的腐蚀发展模式对剩余寿命的影响是显著的,估算时一定要结合管道实际情况合理选择估算方法,同时对腐蚀挂片监测数据的采集和管理提出了更完善的意见,丰富了海底管道剩余寿命估算的数据来源,给腐蚀管理及工程技术人员提供了有价值的参考。     

油气长输管道剩余寿命预测综述

随着我国油气长输管道的迅速发展,管道服役时间越来越长,管道受腐蚀较严重。这就需要对油气长输管道的剩余寿命开展研究,为油气长输管道的维修、检测提供指导。影响管道腐蚀的因素主要有土壤腐蚀因素、管道防腐因素、金属材料因素,由于长输管道距离较长,管道周围环境非常复杂,这给管道剩余寿命预测带了巨大的挑战。国内外学者对于管道的剩余寿命预测开展了大量的研究,并取得了很多研究成果。但是还需要继续从腐蚀机理、管道寿命预测数据库、管道检测技术等方面完善研究。     

基于贝叶斯理论的再生混凝土强度预测模型优势分析

碳中和背景下，再生混凝土的研究逐渐成为众多学者的研究焦点。贝叶斯理论以概率统计为基础，综合考虑主客观不确定性影响和先验信息的作用，适用于处理混凝土强度预测中的参数估计。针对再生混凝土强度的统计学特性，基于贝叶斯理论建立再生混凝土强度预测模型，通过与最小二乘回归模型和BP神经网络模型的对比，探究贝叶斯回归预测模型在再生混凝土强度预测上的优势。试验结果表明：线性与非线性回归模型的拟合优度均大于0.85，满足实际应用需求；线性与非线性贝叶斯回归模型的拟合优度，均高出最小二乘回归模型0.1～0.3，具有相对更好的预测精度和预测效果；贝叶斯回归模型克服了BP神经网络模型可解释性差、样本需求量大的缺陷，并且具有良好的鲁棒性和自适应性。     

高分子除湿转轮建模与除湿性能预测

为有效预测高分子除湿转轮的除湿性能,采用效率法模型、BP神经网络模型2种方式对基于高分子除湿转轮实验台的47组实验数据进行建模。通过构建的除湿转轮模型,对20组不同实验工况条件下的转轮除湿性能进行预测,并与实验数据进行对比。根据预测结果得出,2种模型均能对用于建模的47组实验数据进行有效回归,且能对非建模实验数据以外的20组实验工况进行较好的预测。效率法模型对于处理空气出口温度的预测精度优于BP神经网络模型,但对于处理空气出口含湿量的预测,BP神经网络模型的预测精度优于效率法模型。选择广州、上海、武汉、北京4个典型气候条件城市,使用所建模型研究其在不同气候分区下供冷季的除湿性能,结果表明高分子除湿转轮在这4个城市中的除湿性能由高到低依次为广州、上海、武汉、北京。     

小波神经网络在原油含水率预测中的应用研究

通过对原油含水率测量方法,以及原油含水率与影响其因素之间存在的非线性映射关系的研究,提出基于小波分解与神经网络相结合的小波神经网络原油含水率预测模型,给出具体的网络学习算法,并结合算法对原油含水率进行预测.实例分析表明,小波神经网络模型比传统的BP神经网络模型收敛速度快、预测精度高,且具有较强的学习能力和推广能力.