一种基于BP神经网络和SD耦合的输气管道内腐蚀预测方法技术

本发明专利技术公开了一种基于BP神经网络和SD耦合的输气管道内腐蚀速率预测方法，根据神经网络的非线性和良好的函数逼近特性，提出了基于系统动力学SD耦合的输气管道腐蚀速率内预测模型。系统动力学法通过反馈模拟“输送介质条件

【技术实现步骤摘要】
一种基于BP神经网络和SD耦合的输气管道内腐蚀预测方法


[0001]本专利技术涉及油气管道
，具体涉及基于BP神经网络和SD耦合的输气管道内腐蚀速率预测方法。

技术介绍

[0002]目前，我国各主要气田开采逐步进入了中后期阶段，采出天然气中含水量、二氧化碳和硫化氢等腐蚀性介质的含量都逐渐增加，加速输气管线内壁腐蚀行为的发生。管道内腐蚀造成的管道泄漏、开裂或穿孔，使得输气管线有效寿命受到限制。因此对管道内腐蚀速率进行预测是维护输气管道系统安全的重要手段。
[0003]现如今腐蚀速率预测大部分是利用综合的数学模型作为工具手段，但造成管道发生腐蚀的因素众多，腐蚀速率与这些因素间呈现比较复杂的非线性关系,且各个因素交互影响,采用常规数学方法难以准确建立有效的管道内腐蚀速率模型，该方法忽略了各个因素间的交互作用、以及模型建立对原始数据要求高的特点。
[0004]随着我国智能化数字建设的发展，人工智能在管道运输系统中得到了有效应用。BP神经网络能建立从网络输入到网络输出的非线性映射关系,将腐蚀影响因素和腐蚀速率结果的非线性关系蕴涵在神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络和SD耦合的输气管道内腐蚀速率预测方法，其特征在于：根据神经网络的非线性和良好的函数逼近特性，提出了基于系统动力学(System Dynamics,SD)耦合的输气管道腐蚀速率内预测模型，系统动力学法通过反馈模拟“输送介质条件
‑
运行环境
‑
内防腐措施
‑
本体参数”系统内各要素的因果关系，将表征指标预测结果代入BP神经网络进行内腐蚀速率预测，该模型克服了原始数据少、数据之间割离、数据波动大、数据相关性差等对预测精度的影响，也增强了预测的自适应性。2.针对权利要求1所述的一种基于BP神经网络和SD耦合的输气管道内腐蚀速率预测方法，其特征在于：基于承载力及系统边界的完整性，综合考虑系统结构和功能整体性，将输气管道的内腐蚀划分为输送介质条件、运行环境、内防腐措施、本体参数等四个子系统，各子系统通过量质要素建立联系，揭示输...

【专利技术属性】
技术研发人员：蒋宏业，解正一，缑静钰，李又绿，徐涛龙，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：