管道防腐技术在油气储运中的全程控制与应用

随着我国经济的不断发展,油气储运行业也得到了长足的发展,在油气储运中如何有效控制管道的基本质量,成为了社会各界关注和讨论的焦点。提升管道的防腐技术,不仅能有效保证油气储运的工程进行,也是对安全施工的基本保证。本文就油气储运中管道存在的现实问题进行了简要的分析,并集中阐释了防腐技术的应用策略,旨在引起同行业者的必要重视和合理化实践。     

油气储运工程中的地面管道施工分析

石油资源是一种应用非常广泛的化石能源,而我国石油储备与石油需求区域不一致,需要通过相应的油气储运工程来将西部地区的油气能源传输到全国各地,满足其对于油气资源的消费需求。本文从油气储运工程中地面管道的构成出发,对其施工进行了分析和讨论,希望能够为油气储运工程地面管道施工提供一些参考和借鉴。     

ANN技术在油气储运中的应用

介绍了ANN技术在油气储运研究中的应用,特别是BP网络在管道泄漏检测、管道腐蚀速度预测中的应用。由于ANN技术在解决非线性问题、联想记忆、优化计算、模式识别等方面的强大功能,使得其应用在油气储运方面必将取得更大的突破。     

FLUENT软件在油气储运工程领域的应用

FLUENT软件是用于模拟和分析复杂几何区域内的流体流动与传热现象的专用软件,在油气储运领域应用广泛。介绍了FLUENT软件的基本原理、方法及主要特点,对FLUENT软件在油气储运工程领域的应用现状进行了分析与总结,具体有旋风分离器内部流场数值模拟、管道停输温降数值模拟、顺序输送混油数值模拟、天然气管道泄漏扩散数值模拟、LNG技术方面数值模拟、油罐问题数值模拟等,分析了FLUENT软件在油气储运工程领域应用中存在的问题,提出了FLUENT软件在该领域今后的研究方向和发展趋势。     

探析油气储运工程实施中常见问题及对策

油气储运工程中存在较大的风险,一旦没有得到良好的处理,就会引发非常严重的后果。本文从油气储运工程实施中常见的问题入手,提出了建立监管机制、加强安全管理、落实问责制度、加强质量监督、控制油气储运过程中的挥发、加强油气管道防腐保护措施等对策。     

油气储运中的管道防腐问题探讨

从油气储运过程中引起管道腐蚀的原因入手,并结合管道防腐技术的应用现状,提出了油气储运过程中管道防腐需注意的问题,为进一步提高油气储运工作的质量和效率提供了参考和依据。     

川渝天然气管道工程建设发展情况及建议

20世纪60年代开始，管道工业进入了持续发展时期，储运研究领域的各项技术得到了飞速发展，油气管道向着大口径、高压力、高度自动化方向发展，管道工程的建设规模越来越大，各种新技术、新工艺、新材料、新设备被不断用于新管道建设和对老管道的改造当中，有效地提高了施工质量，降低了工程造价。文章通过分析川渝地区净化气干线管网现状及建设趋势，总结了近年来川渝管道工程在SCADA控制技术、在役管道完整性评价、高钢级管道钢的应用、新型防腐材料的应用等科研、工程实施方面所取得的进步，进而对未来几年川渝天然气工程建设在管网系统水力模拟适应性分析、天然气管道泄漏监测技术、干燥技术、管道内防腐技术等的科研、工程实施方面的发展方向及对策提出了建议。     

基于ANFIS的混合软计算方法在岩石可钻性中的应用

岩石可钻性是钻头选型和提高钻井速度的基础，利用石油测井资料计算岩石的可钻性是一种行之有效的途径。常规的岩石可钻性测井预测模型都是基于回归分析而建立起来的，形式简单，精度不高。阐述了自适应模糊推理系统（Adaptive Network—based Fuzzy Inference System，AN—FIS）网络，提出了岩石可钻性测井模型的ANFIS网络预测模型，选取与岩石可钻性密切相关的参数对ANFIS网络进行训练。同BP神经网络模型比较，此模型具有更高的准确性。     

基于神经网络的调节器参数自整定

由于神经网络具有并行处理，分布式储存，自适应和自学习特性，是实现智能控制的重要途径，其最常用的网络类型是多有馈网络和回归网络，该文简要介绍了神经网络在过程中的应用情况，ＰＩＤ调节器参数自速下是工业过程控制领域研究的一个重要课题，该文分析了实际应用中调节器参数整定的现状，提出了可以在线运行的基于神经网络的调节器参数自整方法，进一步研制智能调节器打下基础，文中研究了自衡对象基于神经网络的调节器参数自整     

水合物技术在天然气储运中的应用

天然气水合物的发现虽已有很长的历史，但一直局限在防止和抑制水合物的生成研究上，水合物具有独特的结晶笼状结构，用水合物作为天然气储运的新方法，具有安全可靠、费用低的优势，因而对它的研究成为当今世界能源开发的热点。将天然气水合物（NGH）技术应用到天然气非管道储运技术中，正在成为其中的焦点之一。介绍了世界天然气水合物储运技术研究的概况、特点、应用方向、以及与其他天然气非管道储运技术的经济比较。     

神经网络方法烃类预测中的问题探讨

自神经网络应用于烃类预测以来．很多专家学者一直在神经网络和烃类预测两方面钻研，加快了神经网络与不同数学模型相结合的步伐，并分别取得了较好的应用效果。根据神经网络进行烃类预测的基本原理和应用条件，简述了神经网络应用于烃类预测时的不同模式、特点、相应要求及改进思路，许简要分析了利用神经网络进行烃类预测所存在的问题．最后展望了神经网络烃类预测的发展趋势。     

最小曲率神经网络在油气预测中的应用

在应用地球物理领域中，人工神经网络在模式识别和油气预测方面得到较好地应用，前向网络的重要特性是能够总结，归纳已知样本隐含的函数关系。然而礤推广性能有待进一步研究，为此，本文强调了这个问题的重要性，并提出了改善网络推广性能的技术；就是在网络的学习过程中，不仅使总误差下降，还尽可能使建立的“隐函数”平滑，并用曲率表征隐函数的平滑程度，计算实例表明，本文的算法可以明显地改善网络的推广性能。最后给出了用该     

基于细胞神经网络的红外图像处理方法的研究

细胞神经网络是一种只有最邻近的神经胞元才进行通信连接的神经网络,这种神经网络模型能够对二维图像进行有效的处理,它的软件与硬件实现也较容易.在介绍细胞神经网络模型的基础上,也介绍了细胞神经网络在红外黑白与彩色图像处理中的应用,仿真结果表明红外图象的处理效果理想.     

基于奇异值特征的管道压力波识别方法

在输油管道泄漏诊断过程中,提取压力波动信号的哪种特征参数作为识别依据是提高管道泄漏诊断准确率的关键。为此提出一种基于奇异值分解的压力波动信号特征提取方法,并通过构建BP神经网络对其分类,判断管道所处工况状态。在不影响识别效果的前提下,对奇异值向量进行适当降维压缩,能达到消除压力信号噪声和减少识别运算量的目的。试验表明,采用引入"动量项"的BP神经网络压力波识别分类器识别准确率高。基于奇异值特征与BP神经网络的管道压力波识别方法运算速度快,能满足管道泄漏监测在线运行的要求,有较高的应用价值。     

Petroleum reservoir characterization with the aid of artificial neural networks

We introduce a new application of artificial neural network technology in the characterization of reservoir heterogeneity. Different reservoir properties, such as porosity, permeability and fluid saturation, in highly heterogeneous formations can be predicted with good accuracy using information deduced from readily available geophysical well logs. The methodology by which this is carried out is based on the intelligent and adaptive pattern recognition capabilities of an artificial neural network (three-layer feed forward, back propagation). The need for expensive processes to acquire porosity, permeability and fluid saturation data (such as well testing and extensive coring of the formation) may therefore be greatly reduced. Examples of several neural networks developed during this study are presented.     

汽油调合优化神经网络模型的研究

采用BP型神经网络对某炼油企业汽油调合数学模型进行研究,依据汽油生产装置特点,确定了神经网络的拓扑结构,利用采集的汽油生产数据,确定了隐含层节点数和模型学习算法,并经过模型训练,得到了拟合能力和预测能力均较强的企业汽油调合神经网络。所建立的模型不需要调合机理的支持,因而具有较强的自适应能力。实际应用结果表明,该神经网络模型对调合过程中的非线性参数预测精度较高,可提供汽油调合的优化方案。     

相似度-遗传神经网络在储层物性预测中的应用

传统的测井解释需要建立精确的数学模型,并常伴有严格的条件限制,因此很难得到真实反映储层特性的结果.采用遗传算法与BP神经网络相结合,利用遗传算法的全局寻优特点,优化神经网络的连接权值和阀值,提高网络的训练精度和预测精度,避免了BP算法易陷入局部极小的缺点,提高运算速度.将相似度的概念引入到测井中,定义相似度在测井中的计...     

神经网络在油藏描述关键井研究中的应用

近年来神经网络在国际上迅速发展并已广泛应用于油气勘探领域,并用于关键井的测井研究之中。通过实际资料的处理解释,建立了两种主要地层参数(孔隙度和渗透率)的模型,其精度及实际预测效果均令人满意。介绍了这项技术的基本特点、实现过程和应用实例。     

PREDICTING THE EFFECT OF FEEDSTOCK ON PRODUCT YIELDS AND PROPERTIES OF THE FCC PROCESS

The mechanism of petroleum refining processes are too complex, and no thorough model has yet been developed. Neural networks represent an effective alternative to mathematical modeling of refinery operations if a sufficient amount of input-output data is available. In this paper, a feed forward neural network that models the Fluid Catalytic Cracking (FCC) process will be presented. The FCC process is the workhorse of the petroleum refining industry, making small and medium sized molecules out of big ones (gasoline and distillate out of gas oils). The input-output data to the neural network was collected from the literature on pilot and commercial plant operations and were obtained from actual refineries. Several network architectures were tried and the network that best simulates the FCC process was retained. This network is able to predict yields of products of the FCC unit as well as their properties. The network consists of one hidden layer of twenty neurons, an input layer of four neurons, and an output layer of twelve neurons. The predictions of the neural network model were compared to those of a commercial simulator of the FCC process, to non-linear regression models, and to published charts. The results show that the neural network model consistently gives better predictions.     

安全评价系统中实现人工神经网络功能的研究

针对在安全评价系统中实现人工神经网络功能存在编程复杂的问题,提出利用Matlab COM组件技术实现人工神经网络功能。Matlab自带的人工神经网络工具箱函数不能用于生成COM组件,论述了Matlab中COM组件的生成方法及其在普通Windows应用软件中的调用。介绍了用该方法开发的利用人工神经网络对液化石油气储存装置的气体泄漏和扩散进行回归估计的应用实例。通过在Windows系统中调用Matlab生成的COM组件,可以方便地在应用系统中实现人工神经网络功能,便于系统分发,并节省开发时间,提高编程效率。