改进天鹰优化器优化Elman神经网络模型预测管道蜡沉积速率

管道结蜡一直是困扰含蜡原油输送的棘手问题,建立准确的蜡沉积速率预测模型对于保障管道的安全运行具有重要的实际意义。考虑到Elman神经网络(Elman neural network, ENN)模型的不足(易陷入极小点、泛化能力弱),基于蜡沉积速率的主要影响因素,提出了一种基于改进天鹰优化器(引入鲸鱼优化算法的狩猎策略对天鹰优化器的局部搜索能力进行改进)的ENN模型,并基于两组室内实验数据对比分析了所建新模型和其他模型预测精度的差异。结果表明,改进新模型的平均绝对百分比误差分别为0.760 3%、1.245 2%,其预测精度明显高于传统ENN模型;采用改进天鹰优化器建立的ENN模型可对初始权值和阈值进行寻优处理,极大提高了泛化能力,因此具有预测精度高的优点。     

基于改进新陈代谢GM(1,1)模型对钢管混凝土拱桥涂膜腐蚀预测

目的提出改进新陈代谢GM(1,1)模型,提高预测钢结构使用寿命的精度.方法在全序列的基础上,置入一个由传统GM(1,1)模型得到新数据,去除一个旧的数据,建立既保证了原来的维数,而又不影响整个信息发展趋势的改进新陈代谢GM(1,1)模型.利用改进新陈代谢GM(1,1)模型对已经用传统GM(1,1)模型预测钢管混凝土拱桥涂膜腐蚀的实际工况进行重新预测,验证所提出的改进新陈代谢GM(1,1)模型在涂膜腐蚀预测中应用的可行性、有效性及预测所提高的精度.结果改进新陈代谢GM(1,1)模型的均值方差比值C为0.132 9,比传统GM(1,1)模型的均值方差比值C的值0.172 1小,改进新陈代谢GM(1,1)模型的精度比传统GM(1,1)模型的预测效果好;改进新陈代谢GM(1,1)模型的平均相对误差为3.20%,传统GM(1,1)为4.01%,提高了预测精度.结论改进新陈代谢GM(1,1)模型既保证了传统GM(1,1)模型的维数,而又不影响整个信息的发展趋势,改进新陈代谢GM(1,1)模型更合理,适用于中长期预测.     

基于PCA-IBAS-ELM的海底多相流管道内腐蚀速率预测

海底多相流管道运输介质中油、气、水共存,极易发生化学反应引发一系列腐蚀问题。为预测其腐蚀速率,对管内腐蚀机理及影响因素进行分析,提出基于主成分分析法（PCA）和改进甲虫天牛须算法（IBAS）的极限学习机（ELM）预测模型。PCA 筛选腐蚀因素,降低预测模型的输入指标维数,IBAS优化ELM的关键性能指标--输入权值及隐层阈值,提升预测精度。为检验模型效能,以我国海南东部某海底油气管道50组数据为例进行研究,并与其他两种模型对比分析。结果表明：温度、pH值、流体流速和CO2分压是影响该类型管道腐蚀的关键因素,PCA-IBAS-ELM预测结果与实际值拟合度更高,其均方根误差（RMSE）,平均绝对误差(MAE)和平均绝对百分误差（MAPE）和均小于比较模型。 可见构建模型对于海底多相流管道内腐蚀速率预测具有优越性。     

基于改进Elman网络的燃气负荷预测

为提高燃气负荷预测的精度,分析了燃气小时负荷的变化规律和影响因素,建立了燃气小时负荷预测模型,采用具有输出-输入反馈机制的改进Elman(OIF Elman)网络对燃气小时负荷进行预测.与传统的Elman网络比较,OIF Elman网络不仅计入了隐层节点的反馈,而且考虑输出层节点的反馈,以便从有限的训练样本中获得更多的信息.预测结果表明,在样本点较少时,无论在训练速度上,还是在预测精度上,OIF Elman网络明显优于Elman网络.OIF Elman网络提高了网络的泛化能力,既降低了对训练样本个数的需求,又能提高预测精度,在燃气负荷预测中得到成功的应用.     

一种改进AFSA-Elman边坡位移预测网络

Elman网络在边坡位移序列预测的应用中,对于网络隐含层神经元个数、阈值的选取没有具体的定论,且收敛速度慢,容易陷入局部解.基于此,将人工鱼群算法与 Elman 网络相结合,建立了改进的 AFSA-Elman 边坡位移预测网络,修正鱼群算法的步长,并利用经改进后鱼群算法强大的寻优能力,对Elman网络的初始权值和阈值进行优化,提高了Elman网络的预测精度和收敛速度.将改进的AFSA-Elman网络与传统Elman网络以及AFSA-BP网络进行对比,并模拟了3种网络的迭代过程,发现改进的AFSA-Elman预测网络较以上两种预测网络具有较高的精度,收敛性更好,更适用于边坡位移的预测.     

基于灰色理论的海底管道腐蚀剩余寿命预测方法

以灰色理论的基本模型为基础,探讨了灰色模型的改进方法.分析了海底管道腐蚀因素与腐蚀量之间的规律以及应用灰色理论进行剩余寿命预测的可行性.提出了基于灰色理论的海底管道剩余寿命预测方法.利用灰色理论预测腐蚀海底管道剩余寿命的步骤主要包括:最小允许厚度的确定,腐蚀速率的预测以及剩余寿命预测.利用该方法,可以在测量数据很少的情况下预测海底管道的剩余寿命.     

油气集输管道的腐蚀速率预测研究进展

中国大多数油气田开发步入中后期,采出介质腐蚀性不断增强,导致油气集输管道频繁发生腐蚀、穿孔及泄漏。系统综述了油气集输管道的腐蚀环境、主要腐蚀类型、关键影响因素以及基于不同方法建立的腐蚀速率预测模型等方面的国内外研究进展。研究结果表明,油气集输管道的腐蚀环境恶劣、腐蚀风险较大,在油-气-水三相复杂流动状态下容易发生氢去极化腐蚀,主要两种腐蚀类型是均匀腐蚀和点蚀。同时,影响集输管道腐蚀的因素与流体介质和运行工况密切相关,导致腐蚀速率预测是一个非线性、多因素参与和交互的复杂问题。目前提出的主要三类腐蚀速率预测模型中,经典理论解析模型应用范围有限、精度欠佳;回归方程模型可以考虑更多的影响因素即提升了应用范围,但对于建立的高度复杂的表达式精度仍不足;但数值计算模型可以解决参数多样、关系交错且不连续的非线性问题,经过优化算法,模型的精度、适应性、可拓展性也会随之提升。进一步,展望了腐蚀速率预测模型的未来重点研究方向。     

基于灰色理论的含腐蚀缺陷油气管道剩余寿命预测分析

含腐蚀缺陷油气管道剩余寿命预测是管道完整性及安全性评价的重要组成部分.以灰色理论的基本模型为基础,提出了管道剩余寿命预测的一种方法,包括预测腐蚀速率的基本步骤以及根据腐蚀速率预测剩余寿命的基本方法,为油气管道腐蚀检测周期的确定提供了一种依据.     

基于小波Elman神经网络的活塞环渗氮质量预测控制

针对活塞环渗氮硬化工序建模困难的情况,通过主成分分析法(PCA)提取氮化工序特征参数,降低了质量模型输入样本维数,建立了基于小波Elman神经网络的活塞环制造关键工序的质量预测模型,实现了工序过程质量波动趋势的预测,为后续的工艺优化和质量改进奠定了基础.结果表明,文中方法可以有效地改进渗氮硬化工序的质量控制,所建立的质量预测模型对输出质量特征值的预测准确率达到89%,具有比标准Elman网络更好的预测精度和收敛速度.     

输油管线腐蚀预测专家系统研制

介绍了输油管线腐蚀预测专家系统的理论基础、软件总体结构及功能实现.该专家系统采用了改进的人工神经网络理论,实现了对输油管道的腐蚀速率预测,并在管道腐蚀速率预测的基础上实现了管道腐蚀剩余寿命预测.另外,系统中还建立了原油信息数据库,可实现用户对原油信息的检索与编辑.系统基于Visual Studio C#环境下开发,采用可视化界面,操作简单.     

基于改进人工蜂群算法的大青杨晚材率预测

为了更加准确地预测人工林大青杨(Populus ussuriensis)晚材率,通过对标准人工蜂群算法(artificial bee colony, ABC)的蜜源更新公式进行改进,提出了分段式蜜源搜索半径公式,并用改进的人工蜂群算法(AABC)对径向基(radial basis function, RBF)神经网络的初始参数进行优化,提出一种基于改进的人工蜂群算法和径向基神经网络算法结合的预测模型,并与粒子群(partical swarm optimization, PSO)优化的RBF神经网络预测结果进行对比。结果表明:传统的RBF预测模型不仅收敛速度慢,而且预测精度不高。基于改进的ABC算法优化RBF神经网络预测模型整体比PSO优化的效果相对较好,收敛速度从42步提升至28步,预测的平均相对误差从2.54%降低到0.95%。可见对ABC算法的改进是可行的,而且提高了晚材率预测的精度。     

基于双流体模型的人工煤气管道腐蚀预测

人工煤气管网中广泛存在的多相流动腐蚀是造成人工煤气管道减薄的主要原因。针对现有检测技术难以检测输送复杂介质管道的剩余壁厚的问题,以昆明市燃气管网为例,基于双流体模型进行人工煤气管网的多相流动分析,采用实验与理论研究相结合的方法,确定了人工煤气管道的腐蚀特征,计算得到管道的腐蚀情况,结果表明：管道腐蚀程度主要与持液率和CO₂分压相关;采用多相流动仿真模型平均腐蚀速率为0.054 3 mm/a,全动态多相流模拟的腐蚀预测结果存在明显误差;建立的人工煤气管网腐蚀速率预测模型误差平均值为8.9%,优于全动态多相流模拟多相流腐蚀预测结果。     

一种过程神经元网络在管道土壤腐蚀速率预测中的应用

针对管道材料在土壤环境中的腐蚀速率预测问题,构建了一种基于过程神经元网络的动态预测模型.模型较好地模拟了金属在土壤环境中的腐蚀过程.文中给出了过程神经元网络预测模型和具体实现算法,对Q235钢管道材料在土壤中的腐蚀速率进行预测.结果表明:采用该方法得到的预测数据与实测值非常接近.验证了模型和算法的有效性.     

含腐蚀缺陷管道拉伸应变能力预测模型研究

在埋地管道的基于应变设计和评估中,准确和可靠的拉伸应变能力(TSC)预测至关重要。国际管道研究理事会和可靠能源系统中心等研究机构提出的多种TSC预测模型均不适用于具有腐蚀缺陷的管道。鉴于此,本文基于经全尺寸管道拉伸实验验证的广泛参数有限元分析,提出了一种适用于腐蚀管道的TSC预测模型。在所提出的模型中,根据TSC与影响参数之间的相关关系,构建了一个缺陷几何因子函数以描述腐蚀缺陷尺寸(缺陷深度、宽度和长度)对拉伸应变能力的影响。通过非线性回归分析和误差分析验证了所提出模型的准确性和可靠性。结果表明：与有限元结果相比,所提出模型的平均预测误差为5.78%;与实验测试结果相比,模型的最小和最大预测误差分别为3.68%和24.51%;模型的预测范围可以满足应变设计地段腐蚀管道实际安全评估的需求。     

CO2/H2S共存条件下集输管道选材的新方法及应用

在CO₂/H₂S共存条件下集输管道中,管道发生腐蚀的可能性急剧增大,因此集输管道的选材至关重要。若选择管材级别较低,则会严重影响管道的正常生产;若管材级别较高,会引起经济成本的浪费。为了使集输管道在CO₂/H₂S共存条件下选材更加合理。在CO₂/H₂S共存腐蚀速率预测模型的基础上,提出了一种新的集输管道选材方法,新方法的步骤为：计算材质的均匀腐蚀速率,腐蚀速率应满足NACE 标准中腐蚀速率的控制值(小于0.076mm/a),结合管道的设计寿命、剩余强度和经济性评价,确定在CO₂/H₂S共存体系下集输管道的材质。以某油田集输管道为示例,根据新方法选择的材质与实验得到的管材结果一致,验证了新方法的准确性。集输管道选材新方法在保证集输管道安全运行的前提下,能够有效降低管材质选择的成本,有利于保证集输管道的安全性和经济性。     

基于中心点的多类别车辆检测算法

针对多类别车辆检测任务中存在计算复杂、检测精度不高的问题,提出一种基于中心点的多类别车辆检测算法.该算法首先通过Hourglass网络对各类型车辆特征进行提取,考虑到多类别车辆检测时易受车辆大小、视觉变化及非刚体形变等因素的影响,采用可变形卷积替换传统卷积的方法对Hourglass网络重建;在网络预测模块中,结合不同的预测分支支路,采用组合损失函数度量模型拟合的程度,同时引入GIoU损失提高模型拟合效果,减少车辆检测中漏检和误检现象的发生;最后通过Sigmoid激活函数得到最终的检测结果.在公开数据库上仿真实验,测试精度和检测速度分别达到了93.42％和49 f/s,在自制数据库上仿真实验,所提算法的精确率和召回率相比CenterNet算法分别提高了2.7％ 和5.6％.实验结果表明,本文算法在车辆检测任务中具有明显优势.     

融合标签相似度的 k 近邻 Slope One 算法

Slope One 协同过滤算法被广泛应用于个性化推荐系统中。标签是一种描述项目特性的重要形式,针对Slope One 算法推荐精度不足的问题,将标签信息融合到 Slope One 算法当中。同时参考 k 近邻算法思想,选取阈值过滤后的 k 近邻项目参与平均评分偏差计算,提高计算效率的同时增加预测精度。使用评分相似度和标签相似度作为权重修正线性回归模型。通过线性加权融合预测结果,进一步提升推荐质量。将算法应用于 MovieLens 数据集,与传统加权 Slope One 算法相比,平均绝对偏差下降4．8％,召回率和准确率分别提高32．1％和26．3％。     

基于长时间序列预测的计量区给水管网爆管识别

为了讯速识别计量分区给水管网中的爆管，提出了一种新的预测–分类–校核的三阶段Infomer-Z-score算法。Infomer-Z-score算法解决了传统方法数据处理效率低、不正常低用水量不处理的问题。在预测阶段中使用深度学习Informer算法预测管网长时间用水压力数据，提高用水压力预测的准确性和数据处理的效率。在分类阶段使用多阈值的分类方法提高了对用水压力数据随时间变化的鲁棒性。Infomer-Z-score算法在爆管模拟检验中的真阳性率（TPR）为90.9%、假阳性率（FPR）为1.7%、检测准确率（DA）为99.5%。长时间序列的压力预测不仅能用于爆管识别，而且还能有效的进行管网中的压力控制使爆管风险降低。