大数据方法在压力管道风险分析中的应用
发布时间：2021-11-15 14:13
本文为解决定量RBI方法在风险分析中所需数据种类繁多和分析周期过长的问题,通过对某石化常减压装置的压力管道进行研究,提出了用大数据方法分析压力管道风险,介绍了基于风险的检验技术并计算出了全部压力管道的风险,构建了压力管道腐蚀速率、失效可能性和失效后果预测模型并确定了影响模型重要性的变量数据,并将模型预测结果与定量RBI技术计算出的风险结果进行了验证。本文主要工作如下:1、提出压力管道大数据分析架构模型,包括数据生成、数据理解、数据处理、数据分析、模型评估和发布模型六个部分。对数据处理和数据分析方法进行了介绍,通过研究分析发现可以使用神经网络算法、C5.0算法和CHAID算法去构建压力管道腐蚀速率、失效可能性和失效后果模型。2、对使用定量RBI方法计算压力管道风险的过程进行了说明,详细阐述了构成风险的失效可能性和失效后果的各因子,并对计算风险分析结果十分重要的腐蚀速率进行了介绍。用PCMS软件的RBI模块对某石化常减压装置的全部压力管道进行了风险分析,得到了风险矩阵图,生成了用大数据方法分析压力管道风险的数据。3、针对在压力管道的风险分析过程中腐蚀速率的重要性,区别于专家建议和实测腐蚀速...
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
图２－１压力管道大数据分析架构??Ｆｉｇ．２－１?Ｂｉｇ?Ｄａｔａ?Ａｎａｌｙｓｉｓ?Ｆｒａｍｅｗｏｒｋ?ｆｏｒ?Ｐｒｅｓｓｕｒｅ?Ｐｉｐｉｎｇ??
当不需要去解释时，可以使用通过构建神经网络算法模型去获得优秀的预测结??果。??神经网络算法模型就是模拟人大脑处理接收到的信息方式的简化模型。如图２－２??所示，通常将处理单元组织到层中，其基本单元是神经元。神经网络算法模型主要包??括三个部分：输入层，隐藏层和输出层。其中输入层的神经元单元表示输入字段，隐??藏层通常包含一个或多个隐藏单元，输出层则是所要预测的目标字段单元。神经网络??模型就是用来确定通过隐藏层将输入变量连接到输出变量，这些变量单元由变化的权??重相互连接，输入字段数据在输入层，其值通过神经元传递到位于下一层的神经元，??最后从输出层输出预测结果。??珀入层?嗛藏层?输出层??？—ｂ—?一一．一一一一＾｜??Ｖｆ－．４－＾．??．．？？？?、??图２－２神经网络结构??Ｆｉｇ．２－２?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ?Ｓｔｒｕｃｔｕｒｅ??神经网络算法运行开始会检查每个数据，并针对每个数据生成对应的预测结果。??如果生成的预测结果准确性较低时，神经网络算法会对其权重进行调整，在达到停止??要求的准确性前
图３－１检验和风险的关系??Ｆｉｇ．３－１?Ｔｈｅ?Ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?Ｔｅｓｔ?ａｎｄ?Ｒｉｓｋ??
【参考文献】：
期刊论文
[1]决策树构造算法的分析[J]. 周亮. 科技与创新. 2017(21)
[2]大数据环境下的网络舆情管理系统设计[J]. 查黄英. 电子测试. 2017(18)
[3]大数据侦查模式之下相关性关系的证明浅议[J]. 赵峰. 贵州警官职业学院学报. 2016(06)
[4]长输管道完整性管理中的数据挖掘和知识决策[J]. 赵志峰,文虎,高炜欣,郭军. 西安石油大学学报(自然科学版). 2016(04)
[5]油气长输管道腐蚀速率计算方法评述[J]. 林现喜,张克政,陈剑健,李银喜,周信,王联伟. 油气储运. 2016(02)
[6]基于大数据的管道系统数据分析模型及应用[J]. 董绍华,安宇. 油气储运. 2015(10)
[7]大数据在管道运行中的应用探讨[J]. 吴琋瑛. 天然气与石油. 2015(03)
[8]基于大数据和神经网络的管道完整性预测方法[J]. 韩小明,苗绘,王哲. 油气储运. 2015(10)
[9]大数据:为农信社插上隐形翅膀[J]. 钟红涛. 武汉金融. 2015(05)
[10]大数据时代油气管道的安全与防护[J]. 袁鹏斌,刘凤艳,舒江,刘乃勇,姜文宽. 无损检测. 2015(04)
博士论文
[1]城市燃气输配管网系统的危机管理研究[D]. 付聪.天津大学 2009
[2]典型压力容器用钢在湿硫化氢环境中的应力腐蚀开裂研究[D]. 卢志明.浙江大学 2003
硕士论文
[1]基于大数据的设备故障全矢预测模型研究[D]. 张学欣.郑州大学 2017
[2]典型焦化装置基于风险的腐蚀评估及寿命预测技术研究[D]. 高姗.北京化工大学 2016
[3]粗糙集—决策树在故障诊断中的应用研究[D]. 周梦泉.东北大学 2014
[4]RBI技术在重催装置的应用研究[D]. 孟凡薇.兰州大学 2014
[5]RBI在压力管道系统风险管理中的应用研究[D]. 牛少蕾.华东理工大学 2014
[6]塔式起重机基于RBI的安全评估方法研究及软件开发[D]. 刘义.东北大学 2012
[7]数据挖掘技术在压力管道安全管理工作中的应用研究[D]. 梁颖锋.中北大学 2011
[8]输气管道系统RBI定量风险评价研究[D]. 张春燕.兰州理工大学 2008
[9]工业管道的风险评价与完整性评定[D]. 储小燕.南京工业大学 2005
本文编号：3496934
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
图２－１压力管道大数据分析架构??Ｆｉｇ．２－１?Ｂｉｇ?Ｄａｔａ?Ａｎａｌｙｓｉｓ?Ｆｒａｍｅｗｏｒｋ?ｆｏｒ?Ｐｒｅｓｓｕｒｅ?Ｐｉｐｉｎｇ??
当不需要去解释时，可以使用通过构建神经网络算法模型去获得优秀的预测结??果。??神经网络算法模型就是模拟人大脑处理接收到的信息方式的简化模型。如图２－２??所示，通常将处理单元组织到层中，其基本单元是神经元。神经网络算法模型主要包??括三个部分：输入层，隐藏层和输出层。其中输入层的神经元单元表示输入字段，隐??藏层通常包含一个或多个隐藏单元，输出层则是所要预测的目标字段单元。神经网络??模型就是用来确定通过隐藏层将输入变量连接到输出变量，这些变量单元由变化的权??重相互连接，输入字段数据在输入层，其值通过神经元传递到位于下一层的神经元，??最后从输出层输出预测结果。??珀入层?嗛藏层?输出层??？—ｂ—?一一．一一一一＾｜??Ｖｆ－．４－＾．??．．？？？?、??图２－２神经网络结构??Ｆｉｇ．２－２?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ?Ｓｔｒｕｃｔｕｒｅ??神经网络算法运行开始会检查每个数据，并针对每个数据生成对应的预测结果。??如果生成的预测结果准确性较低时，神经网络算法会对其权重进行调整，在达到停止??要求的准确性前
图３－１检验和风险的关系??Ｆｉｇ．３－１?Ｔｈｅ?Ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?Ｔｅｓｔ?ａｎｄ?Ｒｉｓｋ??
【参考文献】：
期刊论文
[1]决策树构造算法的分析[J]. 周亮. 科技与创新. 2017(21)
[2]大数据环境下的网络舆情管理系统设计[J]. 查黄英. 电子测试. 2017(18)
[3]大数据侦查模式之下相关性关系的证明浅议[J]. 赵峰. 贵州警官职业学院学报. 2016(06)
[4]长输管道完整性管理中的数据挖掘和知识决策[J]. 赵志峰,文虎,高炜欣,郭军. 西安石油大学学报(自然科学版). 2016(04)
[5]油气长输管道腐蚀速率计算方法评述[J]. 林现喜,张克政,陈剑健,李银喜,周信,王联伟. 油气储运. 2016(02)
[6]基于大数据的管道系统数据分析模型及应用[J]. 董绍华,安宇. 油气储运. 2015(10)
[7]大数据在管道运行中的应用探讨[J]. 吴琋瑛. 天然气与石油. 2015(03)
[8]基于大数据和神经网络的管道完整性预测方法[J]. 韩小明,苗绘,王哲. 油气储运. 2015(10)
[9]大数据:为农信社插上隐形翅膀[J]. 钟红涛. 武汉金融. 2015(05)
[10]大数据时代油气管道的安全与防护[J]. 袁鹏斌,刘凤艳,舒江,刘乃勇,姜文宽. 无损检测. 2015(04)
博士论文
[1]城市燃气输配管网系统的危机管理研究[D]. 付聪.天津大学 2009
[2]典型压力容器用钢在湿硫化氢环境中的应力腐蚀开裂研究[D]. 卢志明.浙江大学 2003
硕士论文
[1]基于大数据的设备故障全矢预测模型研究[D]. 张学欣.郑州大学 2017
[2]典型焦化装置基于风险的腐蚀评估及寿命预测技术研究[D]. 高姗.北京化工大学 2016
[3]粗糙集—决策树在故障诊断中的应用研究[D]. 周梦泉.东北大学 2014
[4]RBI技术在重催装置的应用研究[D]. 孟凡薇.兰州大学 2014
[5]RBI在压力管道系统风险管理中的应用研究[D]. 牛少蕾.华东理工大学 2014
[6]塔式起重机基于RBI的安全评估方法研究及软件开发[D]. 刘义.东北大学 2012
[7]数据挖掘技术在压力管道安全管理工作中的应用研究[D]. 梁颖锋.中北大学 2011
[8]输气管道系统RBI定量风险评价研究[D]. 张春燕.兰州理工大学 2008
[9]工业管道的风险评价与完整性评定[D]. 储小燕.南京工业大学 2005
本文编号：3496934
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3496934.html
