石油天然气工业论文_改进PSO-BPNN算法在管道腐

文章摘要:输油管道由于埋藏环境、运输介质等影响,随着使用年限增加,管道会逐渐出现腐蚀,常规的腐蚀管道剩余强度计算方法有公式计算和有限元分析（FEA）等。针对常规方法中公式计算准确性较低和有限元分析过于繁琐的问题,提出了一种改进的粒子群算法优化的神经网络模型（IPSO-BPNN）来预测腐蚀管道剩余强度。首先,在传统粒子群算法的基础上,提出了一种新的非线性递减惯性权重用于快速更新粒子速度和位置,并引入了遗传交叉算子增加粒子的多样性,形成了改进的粒子群算法（IPSO）;其次,采用IPSO算法对神经网络的权重和阈值进行优化,并使用优化后的权重和阈值初始化神经网络,建立了IPSO-BPNN模型;最后,在2个真实的管道测试爆破数据集上进行实验,分别使用线性回归（LR）、FEA、前馈神经网络（BPNN）、粒子群算法前馈神经网络（PSO-BPNN）以及IPSO-BPNN模型对腐蚀管道剩余强度进行预测,使用平均绝对误差（MAE）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）作为评估模型预测性的指标。在2个数据集的测试集上的结果表明,IPSO-BPNN模型的MAE分别为0.525 4、0.718 5,MAPE分别为为3.77%、2.68%,RMSE分别为0.672 6、0.947 2。3项指标较LR、FEA、BPNN和PSO-BPNN有明显提升。结果表明,所提方法可以提高腐蚀管道剩余强度预测的准确性,可以为管道检查提供较为准确的依据。

文章关键词:

论文分类号:TE988.2;TP18

上一篇：初中物理实验教学与课程标准的一致性研究——
下一篇：没有了