长距离大流量输水管道防腐研究

管道腐蚀是输水管道安全运行的首要问题。文章就长距离大流量输水管道腐蚀的原理和过程进行全面分析,并从埋地混凝土管道和埋地金属管道两种管道输水类型有针对性地提出腐蚀控制策略。     

倒虹吸管道腐蚀评估方法

倒虹吸是华北地区某输水明渠系统中的一个重要构筑物，倒虹吸管为钢结构，影响其使用寿命和可靠性的主要因素是腐蚀。结合我国华北地区地下倒虹吸管道腐蚀特点，提出了钢管腐蚀的分析方法。腐蚀面积的计算采用精确面积法、等效面积法和有效面积法。腐蚀面积的估算采用蒙特卡罗法。一般地可以利用管道历年来腐蚀缺陷尺寸数据(主要是腐蚀深度数据)，统计出管线的腐蚀速率分布，并基于可靠性理论对埋地管道的腐蚀剩余寿命进行预测。而管道剩余强度的计算则可依据文中公式计算。并进行了实例计算分析，在此基础上提出相应防护措施和建议。     

基于粒子群算法的BP模型在地下水位埋深预测研究中的应用

地下水水位埋深是影响河套灌区生态环境的主要因素,开展地下水位埋深预测研究对灌区远景发展规划与用水管理具有现实指导意义。本文采用基于粒子群算法的BP神经网络模型(PSO-BP),对河套灌区永济灌区地下水位埋深进行了预测模拟,相对于传统BP模型纳什效率系数NSE (0.791), PSO-BP模型NSE(0.887)提高了12%。表明, BP神经网络可以有效处理地下水位埋深与其影响因素之间的复杂非线性问题,同时粒子群算法可以提高模型的预测精度。     

地下水文预测中BP网络的模型结构及算法探讨

本文探讨了人工神经网络中不同BP网络结构和算法在区域地下水文预测中的应用，实例比较了不同层次结构、学习速率、隐层单元数及不同算法等对收敛效果、模拟预报结果的影响。提出了一些BP模型的设计应用技术，即学习速率的取值范围与BP网络层数有一定关系，层数多，稳定区间较小，一般学习速率取值为0.01～0.1。快速BP算法从训练速度，收敛精度等方面均优于普通BP算法，可作为改进BP算法之一。在此基础上根据黄河河套灌区多年的水文、气象和地下水信息，对灌区多年的年地下水埋深变化进行了模拟，预测了河套灌区节水工程实施后未来灌区地下水位下降的趋势，为大型灌区节水工程改造与BP模型在区域地下水文中的应用提供了参考。     

基于小波消噪及BP神经网络的大坝变形分析

基于港口湾大坝多期变形观测数据,采用Matlab语言、小波消噪及BP神经网络分别建立了基于时间序列和基于环境因素的大坝变形监测BP神经网络模型,并利用模型分别对大坝某点变形值进行预测。时间序列BP模型具有结构简单、学习速率快的特点;环境因素BP模型精度高,可有效反映变形因素,便于拟合预测复杂的测点变形,相对前一种模型能更好地揭示大坝变形规律。两种建模方法先应用小波分析对原始观测数据消噪,训练过程中采用附加动量法等改进BP算法,大大提高了BP神经网络的计算效率,克服了其易陷入局部极小的缺陷,取得了良好的拟合效果和预测精度。     

基于机器学习的跨海管道泄漏位置预测模型

为解决跨海管道泄漏位置定位问题,利用EPANET 软件对海底管道泄漏探测进行建模,采用BP 神经网络模型和经K-CV 改进的SVR 模型进行泄漏位置预测。对BP 神经网络的隐含层数和学习函数进行优化和选择,使用K-CV 方法对SVR 算法的惩罚系数c 和核函数参数g 进行最优组合探寻。利用EPANET 软件建模数据形成训练集,随机选取测试集进行预测,同时使用均方根误差和相关系数对预测结果进行评价。实例验证结果表明:K-CV 方法能够有效提高SVR 模型预测精度;与水力学稳态方程相比,BP 神经网络模型在泄露位置预测问题中应用范围更广、预测精度更高。     

PCCP管道阴极保护及腐蚀环境监测系统的设计和应用研究

辽宁省大伙房水库输水(二期)工程,是辽宁省最大规模使用大口径PCCP管道的线性工程。文章以此工程为例,介绍了直埋预应力钢筒混凝土管(PCCP)阴极保护及腐蚀环境监测系统设计和应用情况。该系统可以持续监测PCCP管道的阴极保护电位、钢筋腐蚀速率和腐蚀情况等参数。通过及时评估监测结果可以预知PCCP管道腐蚀情况,从而避免应力腐蚀对输水管道的破坏,确保阴极保护和防腐措施的可靠性,可为同类工程提供借鉴。     

输变电工程金属接地装置材料选择及腐蚀防护分析

∶由于金属接地体在土壤中的腐蚀速率具有不均匀性,腐蚀点的最大腐蚀速率可达到平均腐蚀速率的5~8倍,对接地材料的选择具有很大的影响。文章通过对土壤中金属接地体的腐蚀特性进行了分析,并对不同腐蚀等级下的金属接地材料的经济性进行了比选,分析结果表明,在微、弱土壤腐蚀等级的接地装置采用镀锌钢质接地材料,在中、强土壤腐蚀等级的接地装置宜采用铜或铜包钢等抗腐蚀性能较好的接地材料。对输变电工程中金属接地装置材料选择有一定的指导意义。     

改进BP神经网络集成模型在径流预测中的应用

为提高径流预测预报的精度和泛化能力,建立了基于3种基本改进算法的BP神经网络集成预测模型。利用ADF单位根检验方法、自相关分析方法确定径流时间序列的平稳性和模型的输入向量。针对BP神经网络标准算法收敛速度慢、易陷入局部极值的缺陷,采用自适应动量梯度法、共轭梯度法和Levenberg-Marquardt法分别改进BP神经网络标准算法,依次构建基于3种改进算法的BP神经网络模型对文山州南利河董湖水文站年径流进行预测,并构建GA-BP预测模型作为对比模型;采用加权平均方法对各单一模型预测结果进行综合集成。结果表明:集成模型对南利河2001-2005年径流预测平均相对误差绝对值为4.67%,最大相对误差绝对值为7.11%,精度和泛化能力均优于各单一模型和GA-BP模型。集成模型克服了单一模型预测精度不高和误差不稳定的缺点,具有较好的预测精度和泛化能力,是提高径流预测预报精度的有效方法。     

金属给水管道生物膜的形成与控制

金属管道在我国给水管网系统中广泛使用,腐蚀问题增加了金属管道的使用成本。微生物腐蚀是管道腐蚀产生的重要原因。而管壁生物膜是给水管网系统中微生物的主要来源,并带来许多公共卫生问题。重点论述金属给水管道生物膜的形成特点,以及由生物膜的形成带来的生物膜脱落、消毒副产物(DBPs)生成、管道腐蚀等危害。总结影响金属给水管道生物膜形成的因素,在此基础上讨论实际可行的控制策略。最后,从监测和遏制管道生物膜形成等方面做出了展望。     

基于改进人工蜂群算法的地下水埋深预测研究

为了改进人工蜂群算法的RBF神经网络模型在地下水埋深预测中的应用,在基本人工蜂群算法中引入高斯变异算子,并优化初始蜜源位置,提出了基于改进人工蜂群算法的RBF神经网络模型,并利用安阳市某观测站的降水量、蒸发量、河道流量、灌溉渗漏量和人工开采量5个相关影响因子的数据,对该方法进行了应用。为了验证模型的优劣性,与单一的BP神经网络模型、RBF神经网络模型、基于蚁群算法的RBF神经网络模型和基于基本人工蜂群算法的RBF神经网络模型的预测结果进行了比较,结果表明:基于改进人工蜂群算法的RBF神经网络模型收敛速度更快、预测结果误差最小。     

阴极保护在埋地钢管道中的应用

阴极保护是将电位较负金属接在被保护金属结构上,使后者在电介质中形成宏观电池,前者失电子而成为阳极(阳极极化),受到腐蚀;后者得电子成为阴极(阴极极化),得到保护.针对曹妃甸工业区供水工程海上钢管段的阴极保护设计方案,阐述了阴极保护技术在长距离埋地钢管道中的应用.     

BP-ANN模型在井灌水稻区地下水埋深预测中的应用

利用改进的BP算法，对三江平原创业农场进灌水稻区月平均地下水埋深进行了模拟仿真，网络拟合精度与预测精度均达到满意效果。BP－ANN模型为节约地下水开采量，恢复该地区的地下水动态平衡、制订农作物优化灌溉制度，促进农业及水资源的可持续发展提供参考作用。     

基于改进ＰＳＯ-ＢＰ神经网络的浅埋隧道围岩变形时序预测研究

通过智能化的模式对浅埋隧道围岩变形进行时间序列预测研究，利用改进ＰＳＯ算法优化ＢＰ神经网络参数的方法，用于预测浅埋隧道围岩变形数值。采用改进ＰＳＯ-ＢＰ神经网络构建了海天堡浅埋隧道的拱顶沉降和周边收敛预测模型，使用主成分分析方法选取影响围岩变形的关键因素作为影响因子输入。通过对实验结果的比较和分析，实验结果显示改进ＰＳＯ-ＢＰＮＮ算法的优越性。     

基于GACO-BP-MC的大坝变形监控模型

建立相应的安全监控模型来分析大坝变形监测资料对保障大坝服役安全意义重大。BP神经网络模型在此方面得到了广泛应用,但采用蚁群算法(ACO)对BP神经网络参数寻优时存在因初期搜索完全随机导致收敛速度慢的问题。将具有快速随机的全局搜索能力的遗传算法(GA)引入蚁群算法中,利用遗传算法指导生成初始信息素分布,再由蚁群算法正反馈寻得最优解来训练BP神经网络,从而得到大坝变形预测值,2种算法优势互补,缩短了蚁群算法的搜索时间并避免陷入局部最优点。在此基础上,为进一步提高预测精度,采用马尔科夫链(MC)对预测结果进行改进,由此建立了应用于大坝变形监控的GACO-BP-MC模型。工程实例分析表明,该模型在参数优化方面具有较快的寻优速率,且具有较高的拟合和预报能力。     

考虑气象相似日GA-BP预测风电短期出力

在考虑气象相似日条件下,采用GA-BP(遗传算法优化BP神经网络)预测风电出力。考虑对风电出力影响各异的风速、风向、温度、气压等因素,提出基于关联系数的相似度及主导因素分层搜索方法,选取与预测日气象相似的日,以相似日的气象数据与风功率数据为GA-BP的训练样本,采用自适应交叉变异算子GA算法优化BP的初始权值、阈值,提高BP风功率预测值。以新疆某风电场为研究对象进行仿真,考虑气象相似日的GA-BP算法与BP、GA-BP预测结果对比,结果表明,考虑气象相似日的GA-BP算法比GA-BP、传统BP算法预测误差小。     

BP神经网络在洞庭湖氨氮浓度预测中的应用

采用BP网络的三种改进算法,对洞庭湖桂花园8年(1995年~2002年)的氨氮浓度和其影响因子实测资料进行分析,建立了基于BP神经网络的氨氮浓度预测模型,并对三种改进算法的训练结果进行了比较。结果表明:作为数据驱动型模型的BP网络,用来建模的学习样本质量至关重要,可以直接影响网络的预测精度。1995年~2002年的丰水期(9月份)数据分布比较均匀,能让网络对样本充分学习,与传统的统计建模方法相比,预测精度较高,能较好地反映洞庭湖氨氮浓度与其影响因子之间变化规律。     

改进的BP网络模型及其在日径流预测中的应用

尝试了基于MATLAB6.5的人工神经网络工具箱在水文日径流预测中的应用,并采用贝叶斯正则化方法改进BP网络算法,从而提高了BP网络的推广能力。将该模型应用于大渡河流域日径流的预测,取得了较好的预测效果。     

流域年均含沙量BP模型问题分析

本文在用人工神经网络BP模型对流域年均含沙量进行多因素建模过程中，对BP算法进行了改进，在学习速率η的选取上引进了一维搜索法，解决了人工输入η时，若η值过小，收敛速度太慢，η值过大，又会使误差函数值振荡，导致算法不收敛的问题，建模实践表明，改进后的BP算法可能使网络误差函数达到局部极小点，提高了算法的拟合精度。     

基于MATLAB下BP神经网络的边坡稳定性预测

将MATLAB中的BP神经网络引入到边坡稳定性研究中,但由于标准的BP算法存在收敛速度慢、容易陷人局部极小点等缺点,为此采用各种改进及优化的算法,以寻求更适合边坡稳定性预测研究的算法。本文结合了大量边坡实例,经过理论分析和实例测试,能显著提高训练速度、减少收敛周期,达到很好的边坡稳定性预测结果。