基于PCA-GRNN模型的原油管道减阻剂减阻率预测研究

针对原油管道减阻剂减阻率的计算问题,首先对影响减阻剂减阻率的相关因素进行系统分析,介绍PCA(主成分分析)算法、GRNN(广义回归神经网络)算法以及PCA-GRNN模型的组合过程,使用国内某管道公司的实验数据,将135组数据作为学习数据,对20组数据进行预测,并将预测结果和Frank Vejahati、Karami所提出的方法、倒数方程法以及负指数方程法的计算结果进行误差对比,以此证明PCA-GRNN模型的可行性。研究表明:加剂浓度、管道直径、管道长度、平均输量、平均速度以及雷诺数是影响原油管道减阻剂减阻率的主要因素;使用PCA-GRNN模型的预测平均绝对误差为3.832%,远小于其他方法的计算结果,证明该方法完全适用于原油管道减阻剂减阻率预测。