基于SSA-BP神经网络的大起伏油气混输管线持液率预测方法技术

本发明专利技术涉及基于SSA‑BP神经网络的大起伏油气混输管线持液率预测方法，包括以下步骤：利用OLGA计算不同实际工况下大起伏油气混输管线的流动数据并收集和分析数据，筛选出持液率影响因素，确定BP神经网络输入参数；构建SSA算法优化的BP神经网络，包括：确定BP神经网络初始结构；初始化种群参数；计算个体适应度并得到当前最优解；更新发现者、加入者、侦察者位置；迭代至满足结束条件，输出最优权值和阈值并赋予BP神经网络；训练BP神经网络，预测持液率；计算评价指标，评价预测效果。本发明专利技术利用SSA算法优化BP神经网络，加快收敛速度并提高准确性，结果显示该方法预测精度高，适用大起伏油气混输管线持液率预测。

【技术实现步骤摘要】

本专利技术涉及混输管线气液两相流预测领域，具体而言，涉及基于ssa-bp神经网络的大起伏油气混输管线持液率预测方法。

技术介绍

1、当今世界能源需求的不断增长推动着油气田的开发，在油气田的开发过程中，常常会产生大量的原油和天然气，需要通过管道将它们从开采地点输送到加工厂、储存设施或消费地点。油气混输的方式可以在同一管线中同时输送油和气体，有效地提高了输送效率，减少了能源资源的浪费，从而对能源产业的发展和资源利用具有重要意义。然而，我国油气田开发多涉及到山地、丘陵地带，对于大起伏油气混输管线，由于地形起伏大，在低洼处易积聚液体，影响输送效率的同时，还可能引发管道腐蚀等问题，不利于混输管线的安全高效运行。相比于单相流管线，混输管线中考虑气液两相的工艺计算较复杂，对于混输管线中积液规律的研究，主要通过流型判别、管线持液率、压降预测等方面的计算来反映，其中，持液率的计算能够间接反映管线积液量，对于研究大起伏油气混输管线中的积液规律十分重要，因此，需要准确的持液率预测技术。

2、目前较多持液率计算模型是基于经验或半经验相关式的，这些方法相对复杂且计算结果本文档来自技高网...

【技术保护点】

1.基于SSA-BP神经网络的大起伏油气混输管线持液率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于SSA-BP神经网络的大起伏油气混输管线持液率预测方法，其特征在于，将得到的最终持液率预测结果与实际工况模拟值进行误差分析，评价最优的SSA-BP神经网络模型的预测性能。

3.根据权利要求2所述的基于SSA-BP神经网络的大起伏油气混输管线持液率预测方法，其特征在于，采用计算平均绝对误差、均方根误差和拟合优度，评价最优的SSA-BP神经网络模型的预测性能。

4.根据权利要求1所述的基于SSA-BP神经网络的大起伏油气混输管线持液率预测...

【技术特征摘要】

1.基于ssa-bp神经网络的大起伏油气混输管线持液率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于ssa-bp神经网络的大起伏油气混输管线持液率预测方法，其特征在于，将得到的最终持液率预测结果与实际工况模拟值进行误差分析，评价最优的ssa-bp神经网络模型的预测性能。

3.根据权利要求2所述的基于ssa-bp神经网络的大起伏油气混输管线持液率预测方法，其特征在于，采用计算平均绝对误差、均方根误差和拟合优度，评价最优的ssa-bp神经网络模型的预测性能。

4.根据权利要求1所述的基于ssa-bp神经网络的大起伏油气混输管线持液率预测方法，其特征在于，步骤s1的获取管道流动数据的具体方式为：采用olga软件建立实际大起伏油气混输管线模型，在实际大起伏油气混输管线模型中导入流体组分信息、高程里程信息、管道壁厚材质信息、保温层信息，并根据实际管线运行压力、温度、流量设定模型边界条件；

5.根据权利要求1所述的基于ssa-bp神经网络的大起伏油气混输管线持...

【专利技术属性】
技术研发人员：黄思，陈新辉，官天日，傅浩，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：