[發明專利]海底輸油管道腐蝕速率預測方法、系統、設備及介質

在審

• 申請號: 202210022670.8
• 申請日: 2022-01-10
• 公開（公告）號: CN114386462A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 李新宏;賈瑞超;韓子月;張認認
• 申請（專利權）人: 西安建筑科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 范巍

1.一種海底輸油管道腐蝕速率預測方法，其特征在于，包括以下步驟：

獲取若干組待預測海底輸油管道的歷史運行數據；

利用KPCA算法，對獲取的若干組待預測海底輸油管道的歷史運行數據進行核主成分分析，得到海底輸油管道的主要運行數據；

構建BRANN模型，利用海底輸油管道的主要運行數據，對BRANN模型進行訓練，得到海底輸油管道腐蝕速率預測模型；

將待預測海底輸油管道的實時運行數據，輸入至海底輸油管道腐蝕速率預測模型中，輸出得到所述海底輸油管道腐蝕速率預測結果。

2.根據權利要求1所述的一種海底輸油管道腐蝕速率預測方法，其特征在于，待預測海底輸油管道的歷史運行數據包括待預測海底輸油管道內的含水率、二氧化碳含量、硫化氫含量、氯離子含量、鈣鎂離子含量、溶解氧含量、pH值、溫度、壓力、流速及管道當前實際腐蝕速率值。

3.根據權利要求1所述的一種海底輸油管道腐蝕速率預測方法，其特征在于，利用KPCA算法，對獲取的若干組待預測海底輸油管道的歷史運行數據進行核主成分分析，得到海底輸油管道的主要運行數據的過程中，將累計貢獻率為預設貢獻率值的待預測海底輸油管道的歷史運行數據作為主成分，得到海底輸油管道的主要運行數據。

4.根據權利要求3所述的一種海底輸油管道腐蝕速率預測方法，其特征在于，利用KPCA算法，對獲取的待預測海底輸油管道的歷史運行數據進行核主成分分析，得到海底輸油管道的主要運行數據的過程，具體如下：

構建待預測海底輸油管道的歷史運行數據集X，并確定待預測海底輸油管道的歷史運行數據集的數據空間R^M；

預設非線性映射φ，將待預測海底輸油管道的歷史運行數據集的數據空間R^M映射到高維特征空間F中，得到高維特征空間F下的歷史運行數據φ(x_i)；

獲取高維特征空間F下的歷史運行數據φ(x_i)的協方差矩陣C；

根據獲取高維特征空間F下的歷史運行數據φ(x_i)的協方差矩陣C，定義滿足Mercer條件的核矩陣K；

計算所述滿足Mercer條件的核矩陣K的特征值對所述特征值按降序排列，得到特征值序列；并計算所述特征值序列中的每個特征值的貢獻率l_i與累計貢獻率Q；

保留累計貢獻率Q為預設貢獻率值的前S個特征值和特征向量，得到所述海底輸油管道的主要運行數據。

5.根據權利要求1所述的一種海底輸油管道腐蝕速率預測方法，其特征在于，構建BRANN模型，利用海底輸油管道的主要運行數據，對BRANN模型進行訓練，得到海底輸油管道腐蝕速率預測模型的過程，具體如下：

構建BRANN模型；

將海底輸油管道的主要運行數據，隨機劃分為訓練集和測試集；

利用訓練集中的數據，對BRANN模型進行訓練，得到訓練后的BRANN模型；

將測試集中的數據代入至訓練后的BRANN模型，得到預測結果；

計算所述預測結果與測試集中實際值的誤差；

判斷所述誤差是否滿足預設閾值；若不滿足，則返回繼續訓練；若滿足，則輸出訓練后的BRANN模型，即得到所述的海底輸油管道腐蝕速率預測模型。

6.根據權利要求5所述的一種海底輸油管道腐蝕速率預測方法，其特征在于，將海底輸油管道的主要運行數據，隨機劃分為訓練集和測試集的過程，具體如下：

將若干組待預測海底輸油管道的歷史運行數據，進行隨機排序處理；

將隨機排序處理后的若干組待預測海底輸油管道的歷史運行數據的80％作為訓練集，剩余20％作為測試集。

7.根據權利要求5所述的一種海底輸油管道腐蝕速率預測方法，其特征在于，所述誤差包括預測結果與測試集中的實際值的平均絕對誤差、均方根誤差及決定系數。