共查询到16条相似文献,搜索用时 203 毫秒
1.
通过对某石化公司循环冷却水系统生产运行数据的分析,选取了对腐蚀速率影响较大的水质参数,借助神经网络良好的非线性能力,基于BP神经网络建立了腐蚀速率的预测模型.利用该模型对循环冷却水系统一定周期腐蚀速率的预测结果较好. 相似文献
2.
利用某石化企业40个月的循环冷却水实际生产数据,基于小神经网络进行了腐蚀预测研究。经过对比分析,得出了小波神经网络预测精度最高的网络模型为6-7-1结构。在相同输入参数向量下,对含有相同隐层节点个数的小波神经网络和BP神经网络进行腐蚀预测对比,小波神经网络比BP神经网络预测精度高。 相似文献
3.
工业循环冷却水腐蚀速率模型的研究 总被引:1,自引:0,他引:1
循环冷却水在工业生产中占有很大比重,而腐蚀是循环冷却水系统中常见的水质故障,严重影响工业生产中设备的运行。通过对某石化公司水质数据的分析,选取对腐蚀速率影响较大的水质参数,凭借神经网络良好的非线性能力,基于NARX神经网络建立了腐蚀速率预测模型。利用该模型对循环冷却水系统腐蚀速率进行预测,结果较好,说明该模型可行,且具有良好的应用前景。 相似文献
4.
5.
基于BP神经网络原理,综合考虑六类土壤腐蚀指标(土壤电阻率、土壤含水量、氧化还原电位、氯离子含量、硫酸根离子含量和p H值),建立了一种土壤腐蚀速率的预测方法。基于这种方法,依据某油田的现场土壤数据,借助MATLAB神经网络工具箱建立了这一地区的土壤腐蚀性预测的BP神经网络模型。训练和预测结果表明:训练的腐蚀速率最大误差为-1.5%,预测的腐蚀速率最大误差为8%。由此可见,基于BP神经网络的土壤腐蚀性预测方法具有较好的预测精度,对油气管道的安全运行具有重要的意义。 相似文献
6.
通过室内CO2腐蚀模拟实验获得实验数据,利用灰色理论对CO2腐蚀参数进行分析确定CO2腐蚀的主要影响因素,建立BP神经网络腐蚀速率预测模型,利用主要影响因素进行网络训练。利用此模型预测徐深气田某井的腐蚀剖面,预测结果表明:BP神经网络预测结果与气井实验结果接近,体现了BP神经网络在处理非线性数据方面的优越性。灰色理论、神经网络预测模型的研究对于徐深气田CO2腐蚀研究有一定的指导意义。 相似文献
7.
对炼油污水作为循环冷却水的补充水回用于循环冷却水系统进行了研究。结果表明炼油污水经生化处理后,再经生物填料反应器和双滤料滤池深度处理后回用于循环冷却水系统是完全可行的。当采用复合水质稳定剂[m(PBTCA):m(HPAA):m(Zn^2 );m(SHB-14):m(BC-646)=5:5:1:1:10]进行水质稳定时,在浓缩倍数为2,水温小于60℃的循环冷却水系统中可稳定运行,这一试验结果对于减少炼油污水排放,实现炼油污水回用,节约新鲜水,减轻环境污染具有十分重要的意义。 相似文献
8.
基于BP神经网络的玻璃纤维增强塑料腐蚀条件下的寿命预测 总被引:2,自引:0,他引:2
通过腐蚀条件下玻璃纤维增强塑料老化前后宏观、微观形貌及力学性能的变化对复合材料使用寿命的影响因素进行分析,分析表明,腐蚀条件下玻璃纤维增强塑料使用寿命受温度、时间和腐蚀介质浓度三种因素影响。结合玻璃纤维增强塑料的弯曲强度保留率建立结构为3-10-1的三层BP神经网络模型对复合材料使用寿命进行预测。通过预测数据和实测数据的对比及误差分析,并随机抽取6组检验数据进行检测,结果表明,所建立的BP神经网络模型得到的预测值与实测值具有较好的拟合度。 相似文献
9.
10.
针对循环冷却水腐蚀预测参数选取中通常采用经验法,预测参数的选取无科学理论作为依据的问题,提出应用加权灰关联分析法对循环冷却水腐蚀预测参数进行选取。对现场采集的数据进行预处理,并应用灰色关联分析法进行了多因素灰色关联度分析。结果证明:各个观测点腐蚀预测参数和腐蚀程度的关联度大小顺序基本一致。 相似文献
11.
随着我国海洋油气管网的发展与建设,管道数据采集量随之增大,优秀的预测模型可以应对大量数据,准确预测管道腐蚀速率,对保障管道安全健康运行具有重大意义。将原子搜索优化算法(ASO)思想引入BP (Back propagation)神经网络,构建ASO-BP神经网络用于海底油气管道腐蚀速率的预测。以50组现场数据为例,使用Matlab进行模拟仿真计算,分别构建具有代表性的BP、GA-BP和ACO-BP模型作为对比,对海底油气管道腐蚀速率数据进行训练和预测,结果表明ASO-BP模型预测精度较高,其平均绝对百分比误差(MAPE)为3.16%,预测结果优于BP、GA-BP和ACO-BP,验证了其可靠性以及良好的预测性能,为海底管道腐蚀速率预测研究提供了新的方法和思路。 相似文献
12.
利用小波神经网络模型预测多相动态环境下油气集输管道腐蚀速率。首先通过室内多相动态腐蚀实验,获得了不同工况条件下的挂片腐蚀速率,用于训练和检验小波神经网络预测模型,然后利用多因子方差分析研究了温度、压力、流率、硫化氢含量、二氧化碳含量、溶解氧含量、含水率、盐含量和pH对腐蚀速率的影响程度,实现了各因素的有效性筛选,最后在确定隐含层节点数基础上通过训练、测试建立起适宜的小波神经网络预测模型,并进一步验证了模型可靠性。结果表明:除了压力外,各因素对腐蚀速率均有十分显著的影响,属于有效输入信号。当隐含层节点数为17时,8-17-1型小波神经网络结构表现出良好的准确性和稳定性。利用Levenberg Marquardt优化算法对模型进行了反复训练,直至其均方根误差小于容许收敛误差限0.001,预测值与实际值近似呈线性关系,训练、测试阶段决定系数分别为0.9992、0.9967,相关性较高,模型预测值和验证值亦不存在显著差异。因此小波神经网络预测模型对多相动态环境下油气集输管道腐蚀速率具有良好的预测能力。 相似文献
13.
14.
15.