神经网络技术在储运工程中的应用综述

人工神经网络是近年来得到迅速发展的一种算法，在各个领域已经得到了广泛的应用。针对储运工程，介绍了多层感知器网络、径向基网络和小波网络在管道智能检测数据分析识别中应用，前向神经网络在管道综合可靠度决策评价中应用，基于自适应反馈预测模型和自适应函数连接预测模型的天然气消费预测以及Hopfield神经网络在管线优化设计中的应用。可以看出，神经网络必将成为解决储运工程问题的有力工具，对突破现有技术的瓶颈，更深入地探索非线性等复杂现象将起到重大作用。     

基于连续型Hopfield神经网络输气干线优化

针对输气干线优化设计属于约束非线性混合离散变量优化设计问题,采用以并行计算为基础的连续型Hopfield神经网络进行求解,将实际问题的优化解与神经网络的稳定状态相对应,把实际问题的优化过程映射为神经网络系统的演化过程。结果表明,CHNN算法能显著减小计算量,降低求解模型的计算复杂度,其优化效果优于模拟退火算法和方案比较法,可在保证各项约束的前提下,达到投资最小化,对输气干线优化设计和设计方案的优选具有一定的工程指导意义。     

虚拟现实技术在石油工业中的应用展望

虚拟现实技术是近年来发展最快的信息技术之一,它是人工智能、计算机图形学、人机接口技术、多媒体技术、网络技术、并行计算技术等多种技术的集成。本文介绍了虚拟现实技术的特点、分类以及在石油工业中的应用前景,并重点介绍了在储运工程中应用前景。     

用于检测潜在排放减少量的API标准

为了使温室效应气体 (GHG )排放评估标准保持一致性 ,美国石油协会(API)建立了一套适用于石油天然气工业的温室效应气体的排放评估标准。目前 ,API正在检测用该标准评估特定项目的排放减少量的可行性。本文将说明如何使用该标准以及其存在的潜在问题。     

油气管道投资建模新方法

油气管道投资计算的准确性对管道优化设计和工程计算是否正确具有举足轻重的作用。在进行建模时，若采用线性最小二乘法对基期投资费用进行线性拟合，有时要遇到管道参数之间的多重相关性、样本容量小等困难。针对这些问题，提出采用全新建模方法——偏最小二乘法建立管道基期投资计算模型。偏最小二乘法适用于参数多重相关，样本容量小的情况。在只有十个样本数据的条件下，将样本数据按照三组小范围管径进行划分，再用偏最小二乘法分别建立三元线性回归模型。从对模型进行了精度分析看，采用偏最小二乘法所建模型的累计解释能力都在97％以上，克服了采用线性最小二乘法建立投资费回归模型计算结果误差大和管道参数之间的多重相关性问题。     

基于模拟退火与Hopfield神经网络的输气管优化运行

针对输气管优化运行属于组合优化的问题,建立了天然气气源输量变化下的输气管优化运行模型.同时,为了解决连续型Hopfield神经网络的鲁棒性较差和容易陷入局部最优解的问题,引入了模拟退火与神经网络相结合的混合优化算法求解输气管优化运行模型.优化算例表明:该方法改进了标准连续性神经网络算法的收敛过程,能有效防止搜索陷入局部最优解和避免对于初始迭代值的过度依赖,且优化结果优于标准连续性神经网络算法的计算结果,具有更高的优化效率和更强的鲁棒性,能够获得高性能的优化运行方案.     

地下储气库设计方案优选方法研究

地下储气库设计方案的优选是根据工程设计原则,从所提供的预选方案中,遴选出最佳设计方案.地下储气库的设计方案涉及因素较多,属于多因素综合评价问题.采用层次分析方法来定量确定各种指标的权重,结合密切值法对各个方案与理想方案逼近程度的计算,实现方案优劣排序.实例计算结果表明,在地下储气库设计方案优选指标体系及结构模型之中,AHP-MCZ方法能从多因素、定量与定性相结合的角度来确定出最优设计方案,为设计者选择技术上可行、经济上合理的设计方案提供了一种新方法.