基于PCA-WNN模型的油田回注水管道腐蚀速率预测

针对油田回注水管道的腐蚀问题,对引起回注水管道腐蚀的相关因素进行系统分析,建立PCA-WNN模型,使用PCA (主成分分析)算法对回注水管道腐蚀影响因素进行优选,使用WNN (小波神经网络)算法对回注水管道的腐蚀速率进行预测,将预测结果与实际腐蚀速率、PCA-BP神经网络和PCA-GM (1, m)模型的预测结果进行对比,并计算每种算法预测结果的平均绝对误差和数据训练时间,以此验证该模型应用的可行性。研究表明:管道内涂层完好性和CO_2含量对管道腐蚀速率的影响较大,而回注水压力对管道腐蚀速率的影响较小;PCAWNN模型预测结果的平均绝对误差仅为1.35%,远小于其他两个模型预测的平均绝对误差,模型学习时间仅为2.39 s,远小于其他两个模型的学习时间,证明该模型可用于油田回注水管道腐蚀速率预测。     

基于ARIMA的腐蚀时序数据趋势预测

腐蚀造成的事故严重影响炼化企业生产安全与经济效益。为防止事故发生,企业通常会采取监测技术对设备运行过程的各项参数进行获取与评估。文中基于在线监测探针采集的腐蚀速率数据,建立ARIMA模型,开展腐蚀时序数据趋势预测。首先对腐蚀速率数据进行预处理并判断其稳定性,接着确定ARIMA模型的建模参数,最后采用ARIMA(2,1,5)和ARIMA(1,1,1)2种参数实现了腐蚀速率趋势的快速预测和提前10 d报警,且平均误差为1.4%,为炼化企业优化腐蚀防控提供1种新方法。     

基于优化RVFLN模型的延迟焦化开工线H2S浓度预测

分析了延迟焦化开工线腐蚀的原因,其主要腐蚀形式为低温湿硫化氢（H2S）腐蚀,集成工业现场异构数据库系统,建立了基于随机权神经网络（RVFLN）的焦化装置开工管线内H2S浓度的数据驱动预测模型。首先用主成分分析法对输出变量进行降维;然后根据相关系数大小筛选影响开工线内H2S浓度变化的主要影响因素,将其作为模型输入用来训练模型;为获得更好的泛化性能,将RVFLN的随机权重控制在［0,1］之内,建立小规范随机权重神经网络（SNRVFL）;最后用现场数据对模型进行测试评估。结果表明,与PLSR、BPNN、SVR模型对比,优化后的RVFLN模型在预测精度和计算速率上都有较好表现,该模型适用于焦化装置开工管线内H2S浓度的实时在线预测,可为延迟焦化装置压力管道内的流动腐蚀风险评估提供基础数据。     

基于神经网络与遗传算法的常压塔顶油气系统腐蚀预测

通过腐蚀检测系统对某公司常压蒸馏装置低温部位腐蚀情况进行了检测。将一段时间内检测到的塔顶污水的pH值、Cl-~浓度、Fe~(2+)浓度和硫化物含量作为输入数据,腐蚀速率作为输出数据,通过BP神经网络建立了腐蚀速率预测模型。预测数据与实际数据对比结果表明,预测误差较大。运用遗传算法对BP神经网络进行优化,优化后的模型能够较准确预测常压蒸馏装置低温部位腐蚀情况。     

基于PCA-SVM的油气管道腐蚀速率预测技术研究

为了对油气管道的腐蚀速率进行有效预测,对影响油气管道腐蚀速率的原因进行了梳理和总结。应用PCA主成分分析法对10大影响因素进行降维处理,选取累计贡献率大于98%的前8项影响因素代替原所有影响因素,忽略流速和压力的影响,利用LS算法对惩罚因子C、核参数σ和不敏感参数ε的取值进行了寻优。对PCA-SVM、PCA-BP、PCA-GRNN和PCA-WNN四种腐蚀速率预测模型进行对比,其中PCA-SVM模型的预测效果最好,平均绝对误差为1.04%,均方根误差为0.01339,但训练时间比其他模型长,今后应集中进行算法优化。     

基于关联分析的多因素灰色模型群应用于注水管道腐蚀速率预测研究

针对油田注水管道中腐蚀速率受到多种因素的影响,表现出复杂的非线性规律,腐蚀速率预测较困难的问题,提出了基于关联分析的多因素灰色模型群预测方法。多因素灰色模型群预测方法通过关联度分析,对原始数据进行生成处理,生成具有较强规律性的数据系列,然后建立相应的灰色预测模型群进行预测。实例应用表明,基于关联分析的多因素灰色模型群预测方法预测得到的腐蚀速率和实测值能较好吻合,预测精度较高,计算所需数据少,计算量小,适用于油田注水管道、油气输送管道等复杂腐蚀体系的腐蚀速率预测。     

基于人工神经网络的常压塔顶油气系统腐蚀预测

对某公司常减压蒸馏装置低温部位腐蚀情况进行了分析,根据一段时间内塔顶污水检测数据,通过人工神经网络建立了腐蚀速率预测模型。该模型以常压塔塔顶流出污水的pH、氯离子浓度、铁离子浓度、硫化物浓度作为输入数据,以平均腐蚀速率为输出数据。结果表明,该模型预测结果与实际结果的相对误差在10%左右,平均相对误差为7.5%,具有良好的预测精度,能够反映常压塔塔顶污水检测数据与腐蚀速率的关系。     

含硫气田集输管道腐蚀预测软件应用

针对川渝地区含硫气田集输管道材料腐蚀问题,结合几种经典的、应用较广的腐蚀速率预测模型进行了对比分析.根据对影响腐蚀的主要因素CO2分压、H2 S分压、液体流速、运行温度等开展机理分析,推导建立了一种腐蚀速率预测半经验模型,并通过试验数据确定了模型中的待定系数.在此腐蚀预测模型的基础上,开发了基于BP神经网络算法的含硫气...     

基于GWO-LSSVM算法的海底管道腐蚀预测模型研究

目的 针对海底管道腐蚀影响因素存在信息叠加与相互耦合、作用机理复杂、腐蚀速率预测难度大的问题,提出一种灰狼优化(GWO)算法优化最小二乘支持向量机(LSSVM)的腐蚀速率预测新模型.方法 该模型利用灰狼优化算法对最小二乘支持向量机的核参数与惩罚因子进行迭代寻优,减少参数选择的盲目性,提升预测精度,应用该模型对海水挂片腐...     

融合腐蚀速率与数据驱动的油气管道寿命预测

油气管道在复杂恶劣的运行条件下会受到各种腐蚀因素与管道自身退化的影响，大幅降低管道运行的安全性和可靠性。为提高管道寿命预测的准确度，建立了一种融合腐蚀速率模型和数据驱动的寿命预测方法。首先根据管道的历史退化数据建立维纳退化模型，其次利用腐蚀速率模型对漂移系数进行描述，从而估计模型中的未知参数，最终获得管道剩余寿命的概率密度函数及预测值。以某腐蚀油气管道的退化数据为例，验证该模型的准确性。研究结果表明：结合维纳过程和数据驱动模型，将影响管道腐蚀的外部环境因素和管道自身退化数据充分利用，能够有效预测管道的寿命，具有较好的可行性与适用性。研究结果可为油气管道维修策略制定提供参考。