一种基于前馈神经网络的常压立式储罐连续泄漏系数Cs预测方法技术

本发明专利技术公开一种基于前馈神经网络的常压立式储罐连续泄漏系数Cs预测方法，涉及储罐泄漏安全技术领域。本发明专利技术通过采用该模型对已知常压立式储罐泄漏特征参数(泄漏孔上方液位h、液面下降速率vh、泄漏时间t、泄漏孔当量直径do、动力粘度μ及储罐直径dT)的学习，可快速、精确地计算不同孔口条件下的连续泄漏系数Cs。本发明专利技术解决了常压立式储罐连续泄漏期间泄漏系数Cs实时变化且难以直接进行数学建模的问题，提高了连续泄漏质量流率及泄漏量的计算精度，进而为常压立式储罐连续泄漏液池蒸发扩散浓度计算精度及其风险评估提供必要的理论支持。

【技术实现步骤摘要】

本专利技术属于储罐泄漏安全，具体涉及一种基于前馈神经网络的常压立式储罐连续泄漏系数cs预测方法。

技术介绍

1、长期或超期服役的轻质油品储罐因内部腐蚀、老化等原因可能造成泄漏，泄漏形成的连续性扩展液池受地面与环境的温差影响而蒸发，并与空气混合形成爆炸性气体。当气体浓度达到火灾爆炸范围时，极易引发火灾爆炸事故。气体浓度的确定依赖于液体泄漏量的精确计算，而在瞬时或连续泄漏量的计算模型中，常涉及泄漏系数的确定，如《化工企业定量风险评价导则》(aq/t 3046-2013)中，液体经储罐孔口流出的瞬时质量流率计算模型为其中c0为泄漏系数。并且c0的经验常数取值需依据孔口条件及雷诺数(re)范围确定。可见，泄漏系数是影响泄漏量计算精度的关键因素之一。

2、泄漏系数是表征孔口流量损失的无量纲参数，其取值方法可分为经验常数及预测模型两类。利用泄漏系数经验常数所计算的连续泄漏量与实际值之间通常存在明显偏差，而泄漏系数的经验或半经验模型依赖于设置的试验条件，在实际运用中存在不可忽略的局限性。泄漏系数受泄漏孔几何参数、孔内外环境压力差、液体流动特性等因素共同影响，本文档来自技高网...

【技术保护点】

1.基于前馈神经网络的常压立式储罐连续泄漏系数Cs预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于前馈神经网络的常压立式储罐连续泄漏系数Cs预测方法，其特征在于，所述常压立式储罐连续泄漏特征参数包括泄漏孔上方液位h、液面下降速率vh、泄漏时间t、泄漏孔当量直径do、动力粘度μ及储罐直径dT。

3.根据权利要求1所述的基于前馈神经网络的常压立式储罐连续泄漏系数Cs预测方法，其特征在于，所述步骤(2)中的常压立式储罐连续泄漏系数Cs试验值用于前馈神经网络的训练学习及模型性能的评估，具体如下：

4.根据权利要求1所述的基于前馈神经网络的常压...

【技术特征摘要】

1.基于前馈神经网络的常压立式储罐连续泄漏系数cs预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于前馈神经网络的常压立式储罐连续泄漏系数cs预测方法，其特征在于，所述常压立式储罐连续泄漏特征参数包括泄漏孔上方液位h、液面下降速率vh、泄漏时间t、泄漏孔当量直径do、动力粘度μ及储罐直径dt。

3.根据权利要求1所述的基于前馈神经网络的常压立式储罐连续泄漏系数cs预测方法，其特征在于，所述步骤(2)中的常压立式储罐连续泄漏系数cs试验值用于前馈神经网络的训练学习及模型性能的评估，具体如下：

4.根据权利要求1所述的基于前馈神经网络的常压立式储罐连续泄漏系数cs预测方法，其特征在于，所述步骤(3)中的数据归一化处理，具体操作：

5.根据权利要求1所述的基于前馈神经网络的常压立式储罐连续泄漏系数cs预测方法，其特征在于，所述步骤(3)中的训练集用于学习常压立式储罐泄漏特征参数，建立泄漏孔上方液位h、液面下降速率vh、泄漏时间...

【专利技术属性】
技术研发人员：何娟霞，黄丽文，尹佳美，
申请(专利权)人：广西大学，
类型：发明
国别省市：