输气管道腐蚀的最优灰色组合预测模型

    在不等时距序列灰色预测的基础上,提出了适用于输气管道腐蚀的不等时距最优组合灰色预测模型.首先,选用两种模型精度较高的不等时距灰色预测方法建立了输气管道腐蚀预测的单项模型,然后,利用最小二乘意义下的模型误差最小化方法确定出各单项灰色预测模型的权重,建立了最优组合预测模型.此预测模型综合利用了参与组合的各单一模型的有效信息,因而可以更加客观地反映输气管道腐蚀变化趋势.通过实例对比分析结果表明,此模型预测精度较高,可以作为输气管道腐蚀预测的有效工具.     

基于灰色组合模型的管道腐蚀速率预测

将灰色系统理论、人工神经网络及时间序列分析方法相结合,建立灰色组合模型,通过对腐蚀速率测量数据序列的趋势性、周期性及随机性成分分别建模,从而实现对腐蚀速率的预测.实例表明,灰色组合模型的预测精度高于其它几种预测方法,具有推广价值.     

灰色神经网络模型在海水腐蚀预测中的应用

根据实际海水材料腐蚀数据,将灰色预测模型GM(1,1)与径向基(Radial basis function,RBF)神经网络预测模型结合,建立预测碳钢、低合金钢在实际海水环境中平均腐蚀速率的灰色神经网络模型.结果表明,灰色RBF网络建模优于传统灰色预测模型,符合海水腐蚀的特点.     

利用灰色理论预测注水管道腐蚀速率的变化趋势

针对注水管道中腐蚀速率和腐蚀影响因素之间复杂的映射关系，提出了利用灰色理论对腐蚀速率进行有效预测，同时为提高预测精度，对标准的GM（1，1）模型进行了合理改进，提出了4种改进方法：改进背景值、考虑初始点影响、灰色理论和BP神经网络相结合（简称灰色神经网络）以及灰色理论和遗传算法（简称灰色遗传算法）相结合等。通过示例表明，经过改进后的4种方法预测精度都有所提高，特别是灰色理论和神经网络结合、灰色理论和遗传算法相结合预测得到的腐蚀速率和实测值能较好吻合，预测精度最高；因此可以运用这两种改进方法较准确地预测腐蚀速率随着时间的变化趋势。     

油气管道的CO_2腐蚀预测模型和预测方法

CO_2腐蚀在油气输送管道中十分常见,且是最严重的腐蚀问题之一,有必要建立模型或使用方法来预测CO_2腐蚀,从而了解和预测管道的腐蚀情况。基于此,介绍了半经验模型、经验模型和机理模型等三种常见的腐蚀速率预测模型,同时介绍了神经网络、灰色预测、支持向量机等CO_2腐蚀预测方法,并根据现有的模型和方法提出了存在的问题和以后发展的方向。     

灰色理论对碳钢、低合金钢海水腐蚀的预测和分析

应用灰色理论中的GM（1,1）灰色模型和灰色关联分析预测了碳钢、低合金钢在青岛、厦门和榆林全浸区的海水腐蚀速率并研究了海水环境对腐蚀速率的影响.模型经后验差检验显示有很好的精度.通过灰色关联分析建立的海水环境和腐蚀速率关联度显示,海水腐蚀的主要影响因素是溶解氧浓度、pH值和平均盐度.     

应用灰色组合模型预测管道的腐蚀速率

将灰色系统理论与时间序列分析方法结合,建立灰色组合模型。引入Box-Jenkins模型,对随机性成分建模。应用灰色组合模型预测管道腐蚀速率的变化趋势,通过实例分析,检验了该模型的预测效果,并与其它几种方法比较,得出其精度非常高的结论。     

湿天然气CO2顶部腐蚀研究

渤海某海底管道在天然气输送过程中发生顶部腐蚀,导致停产检修。本研究以管道CO_2顶部腐蚀发生的过程和机理为基础,建立海底输气管道CO_2顶部腐蚀的预测计算模型,并进行实验室挂片CO_2顶部腐蚀模拟实验以及现场海底输气管道CO_2顶部腐蚀检测数据验证,实现对海底输气管道CO_2顶部腐蚀速率的预测。     

低合金钢大气腐蚀数据拟合及预测──GM(11)模型与回归模型的对比分析

用GM(11)模型、指数回归模型及幂函数回归模型对低合金钢大气腐蚀速率进行了拟合及预测,分析表明3种模型都可拟合低合金钢户外暴露1～4年的腐蚀速率,但是只有幂函数回归模型可以预测低合金钢8年的腐蚀率.     

基于GRA-IFA-LSSVM模型的气田集输管道内腐蚀速率预测

针对气田集输管道的腐蚀问题,提出了一种基于GRA-IFA-LSSVM组合模型的内腐蚀速率预测算法。对GRA(灰色关联分析)模型、IFA(改进萤火虫)模型以及LSSVM(最小二乘支持向量机)模型理论进行了介绍,提出了组合模型的组合流程以及组合模型的评价指标;以我国某气田集输管道为例,对GRA-IFA-LSSVM组合模型的预测精度进行验证,同时,将其预测精度与其他常见预测模型的精度进行了对比。结果表明：温度、H₂S含量、CO₂含量、pH以及流速属于影响气田集输管道腐蚀的重要因素;使用GRA-IFA-LSSVM组合模型对气田集输管道内腐蚀速率进行预测时,其平均绝对误差为1.946%,均方根误差为1.496%,可决系数为97.53%,该组合模型的三项评价指标均小于其他常见预测模型。GRA-IFA-LSSVM组合模型对气田集输管道进行内腐蚀速率预测具有很强的准确性、鲁棒性及先进性,可以为气田集输管道的保护提供数据支持。     

优化的灰色马尔科夫模型在油气集输管道腐蚀预测中的应用

为了提高管道腐蚀速率的预测精度,在传统灰色模型的基础上构建无偏灰色模型,并进行了背景值优化、数据实时更新等多方面的改进,最后引入马尔科夫模型对预测结果进行修正.结果 表明:与传统灰色模型比,优化的灰色马尔科夫模型的预测精度有较大程度的提升,提升了76.95％,并且有效改善了传统模型中长期预测不准确的缺点.     

基于人工神经网络的油气管道CO_2腐蚀速率预测研究进展

油气管道往往存在着由于腐蚀带来的安全问题,其中最为严重的是CO_2腐蚀。CO_2腐蚀速率的预测属于复杂的非线性问题,利用人工神经网络可逼近任意非线性函数的功能对油气管道进行CO_2腐蚀速率预测,是目前最理想的预测方法。综述了常用的4种人工神经网络:BP神经网络、小波神经网络、径向基神经网络和广义回归神经网络,分别从它们的网络结构、函数类型、计算过程和预测结果等方面进行了介绍。对于各种智能算法对人工神经网络的优化,亦分析了优化的原理和本质。最终归纳和比较了各种人工神经网络的特点和缺点,并根据人工神经网络在其他领域的应用以及存在的问题提出了未来的发展方向,对油气管道CO_2腐蚀速率精确预测的研究起到参考及指导作用。     

常用材料腐蚀数据的三种预测方法对比研究

介绍了灰色系统、神经网络、回归方法等三种预测模型。利用这三种预测方法对常用材料的腐蚀数据进行拟合预测,并对比分析三种方法拟合预测的结果,为建立腐蚀咨询专家系统提供依据。     

基于无偏灰色马尔可夫链组合模型的管线腐蚀剩余寿命预测

压力管线腐蚀剩余寿命预测研究对防止管线泄漏和制定管线的合理检验策略具有重要意义。针对压力管线腐蚀检测数据量少且随机性大的特点,基于传统灰色GM(1,1)模型建立无偏灰色GM(1,1)模型提高预测精度,之后以此为基础构建无偏灰色马尔可夫链组合模型进行腐蚀剩余寿命预测。最后通过对某海洋油田原油处理系统管线腐蚀数据的算例分析,验证所建立模型精度并预测管线腐蚀剩余寿命。预测结果表明:该管线在使用8a左右将达到5级泄漏腐蚀状态,需进行大型检修,无偏灰色马尔可夫链组合模型的预测精度高于94%,预测精度符合工程问题的精度要求,说明此模型可用于中长期存在随机扰动的管线腐蚀剩余寿命预测。     

基于灰色GM（1，1）模型埋地金属管道腐蚀速率预测

本文针对历年来某条埋地管道腐蚀速率变化较大的特点,运用具有适用性广,预测准确率高等优点的灰色系统预测模型及灰色GM（1,1）模型对其腐蚀速率进行预测,并对模型精度进行了分析和检验。建立的GM（1,1）模型经拟合精度检验（C=0．1340,P=1．00）,模型判为优,预测精度高,能达到预测要求。最后,验证了灰色GM（1,1）模型用于埋地管道腐蚀趋势的可行性及有效性。     

基于遗传算法优化BP神经网络预测CO_2/H_2S环境中套管钢的腐蚀速率

基于CO_2/H_2S共存腐蚀环境的复杂性、危险性,以及两者协同与竞争效应的不确定等原因,套管钢在CO_2/H_2S共存腐蚀环境中腐蚀速率测试存在试验时间长、误差较大且存在不安全隐患等缺陷,现有的单一腐蚀速率预测模型不能满足这方面的研究。利用建立的遗传算法优化BP神经网络模型分别对不同温度、不同CO_2分压和不同H_2S分压条件下套管钢的腐蚀速率进行预测。与单纯的BP神经网络模型预测相比,遗传算法优化BP神经网络训练收敛速率有所增加,预测效果得到改善;遗传算法优化BP神经网络预测值与实测值吻合较好,此预测模型可靠性很强;该方法为我国高酸性气田开发中快速获取腐蚀速率数值提供了一条新的思路。     

金属材料腐蚀预测模型研究进展

对现有腐蚀领域常用腐蚀预测方法,包括函数模型、灰色理论模型、神经网络预测模型,剂量响应函数模型和随机森林模型等进行总结分析,并将现有的腐蚀预测模型分为腐蚀-时间和腐蚀-环境预测模型,介绍了不同腐蚀预测模型的特点和适用范围等。最后,根据电力行业的特点对金属材料的腐蚀预测研究提出了一些展望。     

基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测

目的 构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性.方法 建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的主要影响因素.应用最小二乘支持向量机算法建立海洋管线外腐蚀速率预测模型,并使用鲸鱼优化算法对模型参数进行优化,避免了参数取值对模型回归性能的影响.以海洋挂片实验为例,通过MATLAB进行模拟仿真,分析验证模型预测结果,并将预测结果与其他模型进行对比分析.结果 LASSO回归算法筛选得到影响腐蚀速率的主要因素为:温度、溶解氧含量、pH值.采用WOA-LSSVM模型所预测的结果与实际值较为吻合,其平均相对误差为2.23％,均方根误差(RMSE)为0.3248,决定系数R2达到0.9708,均优于其他两种模型.结论 基于LASSO回归和鲸鱼优化算法的最小二乘支持向量机预测模型具有更优的泛化能力和预测精度,为海底管道腐蚀研究工作提供了新思路,也为海洋油气输送系统的结构安全与风险防范提供了参考.     

基于人工神经网络模型的铝合金大气腐蚀的预测

用BP神经网络预测了铝合金大气腐蚀,研究了网络的训练精度和预测精度的关系,建立7-5-1的模型结构,模型相关系数为0.8821,预测结果比较理想.利用单一因素敏感性分析,计算了合金元素和环境因素对于铝合金大气腐蚀速率的影响.     

含油集输管道CO2腐蚀速率预测的研究进展

在一定条件下,腐蚀介质中含油对集输管道CO2腐蚀行为有一定的缓蚀作用,是否考虑油品的润湿性和腐蚀产物膜,已成为各个不同CO2腐蚀预测模型的最大的差别.介绍了已有的CO2腐蚀速率预测模型及其考虑的因素;在此基础上,从经验模型、半经验模型、机理模型及神经网络模型四个方面系统地总结了近年来考虑含油影响的CO2腐蚀速率预测研究的进展,并提出了现存的一些问题和今后的研究方向.