蜡沉积速率的逐步回归模型

含蜡原油在管道输送过程中经常会有蜡析出,并有一部分蜡沉积到管道内壁上形成结蜡层。结蜡层对管道经济运行有一定的影响,它使管道的输送能力下降,严重时甚至会造成凝管事故,给管道运输造成很大的安全隐患。为了解决上述问题,必须研究含蜡原油管道的蜡沉积规律。针对影响蜡沉积速率的主要因素有管壁处的剪切应力,管壁处温度梯度,管壁处蜡分子浓度梯度和原油的动力粘度,在小型环道上对大庆原油进行管道蜡沉积试验,采用逐步回归的方法对实验数据作回归处理,从而建立了大庆原油蜡沉积速率模型,为进一步研究原油管道蜡沉积规律和管道优化运行奠定了基础。     

蜡沉积速率的逐步回归模型

含蜡原油在管道输送过程中经常会有蜡析出，并有一部分蜡沉积到管道内壁上形成结蜡层。结蜡层对管道经济运行有一定的影响，它使管道的输送能力下降，严重时甚至会造成凝管事故，给管道运输造成很大的安全隐患。为了解决上述问题，必须研究含蜡原油管道的蜡沉积规律。针对影响蜡沉积速率的主要因素有管壁处的剪切应力，管壁处温度梯度，管壁处蜡分子浓度梯度和原油的动力粘度，在小型环道上对太庆原油进行管道蜡沉积试验，采用逐步回归的方法对实验数据作回归处理，从而建立了大庆原油蜡沉积速率模型，为进一步研究原油管道蜡沉积规律和管道优化运行奠定了基础。     

保温原油管道蜡沉积速率模型的建立

在管道运行中,时常伴随着蜡沉积现象的发生,这种现象会导致输量减少,严重时还会出现凝管事故。针对输送庆吉混油的松山⁃葫芦岛保温原油管段,自制了室内保温环道实验装置,建立了蜡沉积速率的逐步回归模型和支持向量机模型,对比验证结果表明,支持向量机模型的稳定性和准确性高于逐步回归模型。应用建立的蜡沉积速率模型对现场管段进行了不同季节的蜡沉积预测,为管道现场最优清蜡周期的确定提供理论参考。     

改进层次分析法在给水管道腐蚀速率预测中的应用

目的 确定给水管道各腐蚀影响因素的一元非线性回归方程和权重值,预测给水管道的腐蚀速率.方法 利用最小二乘法确定各腐蚀影响因素的一元非线性回归方程,采用灰色关联法确定腐蚀影响因素的顺序,并用改进的层次分析法确定各因素的权重值.结果 运用改进层次分析法和灰关联理论建立灰关联定权组合模型预测给水管道的腐蚀速率,通过实例分析,模型预测值的相对误差最高为3.95%,最低为0.41%.结论 结合改进层次分析法和灰色关联理论建立的灰关联定权组合模型预测给水管道腐蚀速率,具有较高的精度,是给水管道腐蚀速率预测的有效工具.     

塘燕原油管道蜡沉积规律研究

塘燕原油管道输送原油种类多、 油品切换频繁, 增加了蜡沉积预测的难度。根据管输原油物性, 运用 普适性蜡沉积模型, 研究了塘燕线不同季节、 输送不同种类原油时的蜡沉积速率, 并结合管道运行参数, 预测了塘燕 线管道沿线的蜡沉积层厚度及分布。塘燕线冬季的蜡沉积最多, 春、 秋季居中, 夏季最少; 输送埃斯坡、 马西拉原油 蜡沉积较少, 输送杰诺、 沙中、 沙重原油蜡沉积相对较多; 管道沿线的蜡沉积分布不均匀, 主要集中在靠近进站管段 处, 在管道全线运行压力变化不大时, 对于蜡沉积严重的管段, 其压降迅速增加, 造成管道安全运行隐患, 建议每年 秋季进行一次清管作业。     

模型环道的蜡沉积实验

利用模型环道进行了一系列蜡沉积测试。实验结果表明,蜡沉积速率随时间逐渐减小;当壁温高于原油的析蜡点或低于凝点时,没有蜡沉积;相同油壁温差下,蜡沉积速率随油温的升高而减小;在相同油温下,蜡沉积速率随油壁温差的增大而增大,当壁面温度较低时随油壁温差的增大而减小;蜡沉积速率不仅与原油的蜡含量有关,还与原油的粘度等物性有关;剪切弥散机理对蜡沉积的作用不大。     

微秒级脉冲电流电化学抛光的试验建模与工艺

针对电化学抛光时，在窄缝、盲孔处电解液流动性差的困难．根据试验数据，采用正交试验法与逐步回归分析法相结合和人工神经网络法，分别建立了微秒级脉冲电流电化学抛光的数学模型和网络输入输出模型，探讨了抛光机理，并对两种模型的加工效果进行了比较．结果表明，由于电解液发生扰动，有利于排除电解产物，提高了抛光质量，而基于人工神经网络建立的模型具有更好的加工效果．     

长庆油田川平46-23集输管路运行工况模拟研究

针对长庆油田川平46-23集输管路,利用管路的现场参数,通过对比分析优选出合适的流型划分模型、持液率模型、压降模型以及蜡沉积模型。对上述模型编程求解,分析了集输管路运行压力、温度、持液率、有效内径、气/液相表观流速、蜡沉积速率等随管道长度与运行时间的变化规律。模拟结果表明,在运行36h内,随管道长度的增加(除前60m),结蜡速率减小,压力降低,温度降低,气相表观流速增大,液相表观流速减小,持液率减小;随着运行时间的增加,同一节点处的蜡沉积速率增大,压力降低,温度升高,气、液相表观流速增大,持液率减小。     

基于GM(1,1)模型预测海底管道腐蚀速率软件的开发

针对海底油气管道的腐蚀速率,提出了基于灰色理论的海底管道的腐蚀速率预测方法.在测量数据较少的情况下,利用GM(1,1)可以预测海底管道的腐蚀速率.基于该方法,采用VS2010编制了管线腐蚀速率四数据、五数据及新陈代谢模型的预测软件,为在原始数据较少的条件下确定油气管道腐蚀检测周期提供了不同的检测途径,并通过实验数据进行...     

热历史和剪切历史作用对长庆含蜡原油凝点的影响

通过室内模拟实验和结果分析明确了热处理温度和剪切速率是影响长庆含蜡原油凝点变化的主要因素,确定了长庆含蜡原油凝点趋于稳定的剪切时间为200 s,因此实验室以剪切200 s后的原油凝点作为长输管线的凝点值,在此基础上利用均匀设计的方法对热处理和剪切作用与含蜡原油凝点的关系进行了模拟试验研究,建立了反映长输管线中热处理温度和剪切速率作用对凝点影响的数学模型,模型计算结果与实验记录数据所得误差小于0.8℃,表明模型与凝点规律比较吻合.该模型为长庆含蜡原油长距离输送的泵站、热站设计以及管线设计提供了依据.     

人工神经元网络在碱回收苛化过程控制系统的研究

通过分析研究苛化工段的生产工艺及对控制系统的要求,结合影响苛化过程的主要因素与神经元网络的特性,提出了采用人工神经元网络建立苛化过程的数学网络模型,经MATLAB仿真验证了该模型符合实际的工艺情况,并对所确定的网络模型的输出和相应目标进行线性回归,进一步验证了该模型苛化度控制效果良好.在此模型基础上,通过对苛化过程优化问题的描述,以生产成本为目标函数,对苛化过程进行了操作优化的处理,经实际生产运行表明了该优化在满足苛化效果的同时,提高了系统的综合控制指标,节约了生产成本.     

城市燃气小时负荷预测模型的研究

城市燃气小时负荷的预测对于保证管网用气量，进行管网的优化调度，设备维修具有极其重要的意义。应用人工神经网络理论和灰色预测理论中的等维新息建模思想，建立了既反映燃气负荷周期性增长趋势，又包括天气，气温等非线性影响因素在内的燃气小时负荷预测模型。通过改进BP算法，对哈尔滨市燃气管网系统的小时用气量进行了预测，所建立的模型收敛速度快，精度高。     

原油管道结蜡规律的灰色预测模型

原油结蜡是影响管道安全、经济和高效运行的一个重要因素。为了对输油管道的结蜡状况进行预测,掌握输油管道结蜡的基本规律,应用灰色系统理论中的模型对输油管道的结蜡速度和结蜡厚度等指标的实际统计数据进行了灰色动态拟合,建立了相应的灰色微分方程和时间响应函数,结果表明,残差小于2％,模型精度满足工程实际需要;并在此基础上对实际输油管道的结蜡速度和结蜡厚度进行了预测。     

神经网络在二氧化碳提纯塔建模中的应用

为提高提纯塔出口二氧化碳纯度，根据实际生产数据运用人工神经网络方法建立了出口二氧化碳纯度与进塔纯度、进塔温度、塔顶压力、塔顶温度、塔釜加热温度、塔釜压力、塔釜温度7个因素之间的非线性模型.建立的模型能够有效描述出口二氧化碳纯度与各因素之间的关系，同时通过训练好的网络能够找到生产较高纯度二氧化碳的最佳控制点.与传统线性回归模型、对数回归模型相比，采用人工神经网络方法建立的模型非线性处理能力强，鲁棒性好，拟合精度高，计算速度快，预测和控制能力强.     

基于BP神经网络的结构系统跟踪辨识方法

针对人工神经网络在结构系统辨识中存在的问题,提出一种基于BP神经网络的跟踪辨识方法.通过将实际结构模型分为一个机理模型和一个实时误差模型,前者基于常规的BP神经网路通过离线训练而成,而后者通过小型的BP神经网络实时辨识系统误差,进而使这种经过改进的系统识别网络能够具有动态递阶识别系统的能力.计算机仿真分析表明,这种方法可有效地减小由于不同外荷载作用引起的结构系统辨识误差,提高人工神经网络在系统辨识中的精度和可靠度.     

居民出行产生量BP神经网络预测方法

居民出行产生量预测是交通需求分析的重要内容之一,预测结果是确定各类城市交通设施发展规模及布局规划的重要依据.通过分析人工神经网络的作用机理和居民出行产生量的影响因素,建立了居民出行产生量预测的四层BP神经网络模型,以土地利用作为输入神经元,以交通区居民出行产生量作为输出单元,以赣州市城市综合交通规划交通调查数据对模型进行了标定与检验,并与出行次数法和回归分析法进行了比较,结果表明BP神经网络模型具有较高的预测精度.     

小波神经网络组合时序模型在径流预报中应用

构建小波与人工神经网络组合时序模型,该模型利用morlet小波基函数取代人工神经网络的激发函数,通过平移因子和伸缩因子确定小波基函数,采用误差逆向传播算法训练网络和预测.利用此模型对赣江河段上外洲水文站月径流变化趋势进行预测,并将其计算结果与BP神经网络进行比较,结果表明利用小波神经网络进行时间序列预测效果较理想.     

基于特征优选和逐步回归的黄土滑坡监测数据融合改进方法

针对滑坡监测多源异构数据融合处理中存在的影响因子筛选难、结果差异大、数据处理复杂程度高等问题,提出一种基于最大互信息系数(MIC)、灰色关联分析(GRA)和逐步回归的黄土滑坡多源多点位异构监测数据融合方法。该方法首先将最大互信息系数和灰色关联分析结合起来,采用基于加权关联度的特征优选方法综合筛选滑坡变形影响因子,提取具有代表性的影响因子并剔除关联性差的影响因子; 然后,通过逐步回归方法赋予各监测点位移和优选后的影响因子对应的重要性权重系数,获取多源异构数据融合序列; 最后,采用甘肃黑方台党川滑坡监测设备所获取的全球卫星导航系统(GNSS)监测数据、裂缝位移计数据及气象数据进行实验验证。结果表明:在滑坡变形影响因子筛选性能方面,基于加权关联度的特征优选方法优于传统的Pearson相关系数法; 基于特征优选和逐步回归的多源多点位异构数据融合模型的预测精度较传统的BP神经网络有所提升,其中均方根误差(RMSE)降低了51.8%,平均绝对百分比误差(MAPE)降低了2.26%,拟合优度达到了0.964。