埋地油气管道外腐蚀速率及剩余寿命预测模型优化研究
发布时间：2022-07-08 09:27
长期以来,石油的输送主要有埋地、架空、海底三种形式,其中埋地管道最为常见。但是,埋地管道的腐蚀因素多,具有非线性、强耦合的特性,传统方法很难建立精确的腐蚀速率及深度预测模型。因此,对埋地管道腐蚀预测模型进行优化研究具有重要意义。本研究在阅读大量文献的基础上,分析和总结了现阶段埋地油气管道的腐蚀研究现状,结合管道的腐蚀机理及检测方法,主要进行了以下研究工作:（1）基于多元统计理论的腐蚀因素特征提取。由于埋地油气管道各腐蚀因素的非线性相关性,原始样本数据存在冗余信息。为降低检测数据对腐蚀速率及剩余寿命预测过程的影响,本研究以核主成分分析法建立了腐蚀因素与腐蚀速率之间的映射关系,提取腐蚀因素的主成分,重构原始数据集,以此作为GRNN腐蚀速率预测模型的输入值。（2）基于GRNN的腐蚀速率预测。根据GRNN适用于小样本、参数少、训练优的特点,将其用于对埋地管道在不同环境下的腐蚀速率进行预测。鉴于以往GRNN的光滑因子随机初始化,降低了模型的可靠性。为提高GRNN的预测效果,本研究采用天牛须算法优化其光滑因子,提出了基于BAS-GRNN的埋地管道腐蚀速率预测模型。（3）基于IGM（1,1）-BAS...
【文章页数】：101 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 选题背景和研究意义
1.1.1 选题背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 存在的主要问题
1.3 研究内容、方法和技术路线
1.3.1 研究内容
1.3.2 研究方法
1.3.3 技术路线
1.4 论文创新点
2 埋地管道腐蚀理论概述
2.1 埋地管道腐蚀特征及类型
2.1.1 埋地管道的特征
2.1.2 埋地管道腐蚀类型
2.2 埋地管道腐蚀检测方法
2.2.1 土壤腐蚀检测
2.2.2 杂散电流腐蚀检测
2.2.3 腐蚀速率的确定
2.3 腐蚀预测研究方法
2.3.1 单变量输入的腐蚀预测方法
2.3.2 多变量输入的腐蚀预测方法
2.4 本章小结
3 基于多元统计的埋地管道腐蚀因素特征提取
3.1 主成分分析法
3.1.1 主元个数确定
3.1.2 PCA处理过程
3.2 核主成分分析法
3.2.1 核函数
3.2.2 KPCA数学原理
3.3 多元统计方法在管道腐蚀中的应用
3.3.1 实地调查收集数据
3.3.2 实例验证样本选取
3.3.3 基于PCA的提取结果
3.3.4 基于KPCA的提取结果
3.4 本章小结
4 基于神经网络的埋地管道腐蚀速率预测
4.1 人工神经网络的典型模型
4.1.1 误差反向传播神经网络
4.1.2 径向基函数神经网络
4.2 广义回归神经网络
4.2.1 GRNN的基本结构
4.2.2 GRNN的理论基础
4.2.3 GRNN的优点
4.3 GRNN的优化算法
4.3.1 智能优化算法
4.3.2 天牛须搜索算法
4.3.3 天牛须搜索算法性能验证
4.4 外腐蚀速率预测优化模型的构建
4.4.1 建模步骤
4.4.2 模型验证方法
4.5 实例验证及分析
4.5.1 预测模型的训练
4.5.2 预测结果比较与分析
4.6 本章小结
5 基于IGM(1,1)-BAS-GRNN的埋地管道剩余寿命预测
5.1 灰色模型的优化原理
5.1.1 GM(1,1)模型
5.1.2 优化的GM(1,1)模型
5.2 基于BAS-GRNN误差补偿的优化模型
5.2.1 建模思路
5.2.2 优化模型的后验差检验
5.3 实例验证
5.3.1 最大腐蚀深度拟合过程
5.3.2 埋地管道剩余寿命
5.4 本章小结
6 总结与展望
6.1 主要结论
6.2 不足与展望
参考文献
附表A 宏观检测结果
附录B 60组检测数据
攻读硕士研究生期间发表的论文
致谢
本文编号：3656768
【文章页数】：101 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 选题背景和研究意义
1.1.1 选题背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 存在的主要问题
1.3 研究内容、方法和技术路线
1.3.1 研究内容
1.3.2 研究方法
1.3.3 技术路线
1.4 论文创新点
2 埋地管道腐蚀理论概述
2.1 埋地管道腐蚀特征及类型
2.1.1 埋地管道的特征
2.1.2 埋地管道腐蚀类型
2.2 埋地管道腐蚀检测方法
2.2.1 土壤腐蚀检测
2.2.2 杂散电流腐蚀检测
2.2.3 腐蚀速率的确定
2.3 腐蚀预测研究方法
2.3.1 单变量输入的腐蚀预测方法
2.3.2 多变量输入的腐蚀预测方法
2.4 本章小结
3 基于多元统计的埋地管道腐蚀因素特征提取
3.1 主成分分析法
3.1.1 主元个数确定
3.1.2 PCA处理过程
3.2 核主成分分析法
3.2.1 核函数
3.2.2 KPCA数学原理
3.3 多元统计方法在管道腐蚀中的应用
3.3.1 实地调查收集数据
3.3.2 实例验证样本选取
3.3.3 基于PCA的提取结果
3.3.4 基于KPCA的提取结果
3.4 本章小结
4 基于神经网络的埋地管道腐蚀速率预测
4.1 人工神经网络的典型模型
4.1.1 误差反向传播神经网络
4.1.2 径向基函数神经网络
4.2 广义回归神经网络
4.2.1 GRNN的基本结构
4.2.2 GRNN的理论基础
4.2.3 GRNN的优点
4.3 GRNN的优化算法
4.3.1 智能优化算法
4.3.2 天牛须搜索算法
4.3.3 天牛须搜索算法性能验证
4.4 外腐蚀速率预测优化模型的构建
4.4.1 建模步骤
4.4.2 模型验证方法
4.5 实例验证及分析
4.5.1 预测模型的训练
4.5.2 预测结果比较与分析
4.6 本章小结
5 基于IGM(1,1)-BAS-GRNN的埋地管道剩余寿命预测
5.1 灰色模型的优化原理
5.1.1 GM(1,1)模型
5.1.2 优化的GM(1,1)模型
5.2 基于BAS-GRNN误差补偿的优化模型
5.2.1 建模思路
5.2.2 优化模型的后验差检验
5.3 实例验证
5.3.1 最大腐蚀深度拟合过程
5.3.2 埋地管道剩余寿命
5.4 本章小结
6 总结与展望
6.1 主要结论
6.2 不足与展望
参考文献
附表A 宏观检测结果
附录B 60组检测数据
攻读硕士研究生期间发表的论文
致谢
本文编号：3656768
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/3656768.html
