基于PCA-IBAS-ELM的海底多相流管道内腐蚀速率预测

海底多相流管道运输介质中油、气、水共存,极易发生化学反应引发一系列腐蚀问题。为预测其腐蚀速率,对管内腐蚀机理及影响因素进行分析,提出基于主成分分析法(principal component analysis, PCA)和改进甲虫天牛须算法(improve beetle antennae search, IBAS)的极限学习机(extreme learning machine, ELM)预测模型。PCA筛选腐蚀因素,降低预测模型的输入指标维数,IBAS优化ELM的关键性能指标——输入权值及隐层阈值,提升预测精度。为检验模型效能,以中国海南东部某海底油气管道50组数据为例进行研究,并与其他两种模型对比分析。结果表明:温度、pH、流体流速和CO_(2)分压是影响该类型管道腐蚀的关键因素,PCA-IBAS-ELM预测结果与实际值拟合度更高,其均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute deviation, MAE)和平均绝对百分误差(mean absolute percentage error, MAPE)均小于比较模型。可见构建模型对于海底多相流管道内腐蚀速率预测具有优越性。

基于PCA-PSO-SVM模型的海底多相流管道内腐蚀速率预测

针对海底多相流管道内腐蚀速率的预测问题,首先对影响该种类型管道内腐蚀速率的相关因素进行了分析,对PCA算法、PSO算法和SVM算法分别进行了介绍,提出了可用于海底多相流管道内腐蚀速率预测的PCA-PSO-SVM组合模型,在此基础上使用PCA-PSO-SVM组合模型对44组海底多相流管道内腐蚀速率的影响因素和管道内腐蚀速率数据进行了学习训练,对10组数据进行了预测,并将该组合模型与PCA-GA-SVM模型、PCA-LS-SVM模型和PCA-CV-SVM模型3种预测模型的预测结果进行了对比,以验证所提方法的可靠性和可行性。结果表明:温度对海底多相流管道内腐蚀速率的影响相对较大,压力对其的影响相对较小;使用PCA-PSO-SVM组合模型对海底多相流管道内腐蚀速率预测的平均绝对误差仅为1.848%,模型训练时间仅为3.17 s,这两项数据均小于其他预测模型,表明针对海底多相流管道内腐蚀速率的预测问题,PCA-PSO-SVM组合模型具有可靠性和可行性。