基于改进的BP神经网络的输油管道内腐蚀速率预测

凌晓; 徐鲁帅; 余建平; 梁瑞

doi:10.13873/J.1000-9787(2021)02-0124-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进的BP神经网络的输油管道内腐蚀速率预测

计算与测试 | 更新时间：2025-09-11

- 基于改进的BP神经网络的输油管道内腐蚀速率预测
- Prediction of corrosion rate in oil pipeline based on improved BP neural network
- 传感器与微系统 2021年第2期页码：124-127
- 作者机构：
  
  兰州理工大学石油化工学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2021)02-0124-04
  中图分类号： TP183;TE988.2
- 纸质出版：2021
- 稿件说明：
移动端阅览
凌晓, 徐鲁帅, 余建平, 等. 基于改进的BP神经网络的输油管道内腐蚀速率预测[J]. 传感器与微系统, 2021,(2):124-127.

LING Xiao, XU Lushuai, YU Jianping, et al. Prediction of corrosion rate in oil pipeline based on improved BP neural network[J]. 2021, (2): 124-127.
凌晓, 徐鲁帅, 余建平, 等. 基于改进的BP神经网络的输油管道内腐蚀速率预测[J]. 传感器与微系统, 2021,(2):124-127. DOI： 10.13873/J.1000-9787(2021)02-0124-04.

LING Xiao, XU Lushuai, YU Jianping, et al. Prediction of corrosion rate in oil pipeline based on improved BP neural network[J]. 2021, (2): 124-127. DOI： 10.13873/J.1000-9787(2021)02-0124-04.

摘要

针对输油管道易发生腐蚀问题

建立了遗传算法(GA)优化反向传播神经网络(BPNN)的输油管道内腐蚀速率预测模型

给出了具体的优化流程。运用GA优化BPNN模型的起始权值和阈值

有效避免了单一BPNN模型陷入局部最优的问题发生

从而提升了预测的准确率。以某条输油管线为例

对改进的GA-BPNN模型进行验证和分析

结果表明:BPNN模型预测的最高相对误差高达24.49%

平均相对误差为11.13%。相较于BPNN模型

GA-BPNN模型的预测精度有了较大幅度地提高

最大相对误差仅为8.16%

平均相对误差为3.10%。因此使用GA-BPNN模型预测管道腐蚀情况可为管道的检维修提供可靠的理论依据。

Abstract

Aiming at the problem that corrosion is easy to occur

in oil pipelines

a genetic algorithm（ GA）optimized back propagation neural network（ BPNN） is used to predict the corrosion rate of pipelines in oil pipelines. The specific optimization process is given. Using GA to optimize the starting weight and threshold of BPNN model

it effectively avoids the problem that a single BPNN model falls into local optimum

which improves the accuracy of prediction. Taking an oil pipeline as an example

the improved GA-BPNN model is verified and analyzed. The results show that the highest relative error predicted by BPNN model is as high as 24. 49 %

and the average relative error is 11. 13 %. Compared with the BPNN model

the prediction accuracy of the GA-BPNN model has been greatly improved

the maximum relative error is only 8. 16 %

and the average relative error is3. 10 %. Therefore

using GA-BPNN model to predict pipeline corrosion can provide a reliable theoretical basis for pipeline inspection and maintenance.

关键词

Keywords

references

浏览量

576

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于柔性压力传感器的睡姿识别方法研究

接地网腐蚀状态检测装置设计

Ⅰ号液在MEMS晶圆级封装中的应用研究

基于遗传算法的2D机械零件分类识别

基于BPNN的微小反应器温度测量