刘志娟
- 作品数：2 被引量：16H指数：2
- 供职机构：中国石油天然气股份有限公司更多>>
- 相关领域：石油与天然气工程更多>>
- 基于RS-PSO-SVM算法的腐蚀管道剩余强度预测技术研究被引量：7
- 2020年
- 目前,我国大多数油气管道服役时间已超过20 a,受到土壤、大气以及水体等多方面的影响,腐蚀成为危害管道安全、造成管道失效的重要因素。针对单一腐蚀缺陷管道剩余强度样本数据少、公式计算保守性强、有限元分析过于复杂等缺点,将RS、PSO和SVM算法模型有机结合,构建了腐蚀管道剩余强度预测模型。通过RS属性约简,有效提取了影响管道剩余强度的关键性指标因素,随后应用改进的PSO算法对SVM的参数进行了寻优,避免了人工试算法造成的误差过大和训练时间过长的缺点,与BP神经网络、RS-WNN算法相比,RS-PSO-SVM算法的保守性和准确性都较为优越,平均绝对百分误差为1.23%,均方根误差为0.17 MPa,模型的鲁棒性和预测性更好,对管道剩余强度的研究具有借鉴意义。
- 杨旭东周艳丽刘志娟陆亮于天齐刘勇
- 关键词：RSPSOSVM
- 基于KPCA-GWO-SVM的埋地管道土壤腐蚀速率预测被引量：9
- 2021年
- 为提高埋地管道土壤腐蚀速率的预测精度,对土壤腐蚀的影响因素进行了梳理和分析。通过核主成分分析法(Kernel Principle Component Analysis,KPCA)对影响因素进行了数据降维,随后对支持向量机(Support Vector Machine,SVM)关键参数进行了寻优,并将GWO-SVM、GASVM、PSO-SVM及FOA-SVM共4种模型进行了对比。结果表明:KPCA模型可有效降低预测模型的维度,其中土壤电阻率、氧化还原电位、含盐量、Cl^(-)质量分数及含水量5种因素对腐蚀影响较大;GWO-SVM的平均绝对误差和均方根误差最小,分别为1.90%、0.098909,且训练时间在4种模型中用时最少,仅为2.55 s。可见,KPCA-GWO-SVM模型更适合对埋地管道土壤腐蚀速率进行预测,研究结果可为管道完整性管理提供理论依据和实际参考。
- 梁昌晶谢波刘延庆刘志娟郭自强任春燕陈琼陶刘钇池
- 关键词：埋地管道土壤腐蚀KPCASVM
