文献类型：期刊文章

作　　者：凌晓[1] 徐鲁帅[1] 梁瑞[1] 郭凯[1] 崔本廷[2] 岳守体[2]

LING Xiao;XU Lushuai;LIANG Rui;GUO Kai;CUI Benting;YUE Shouti(College of Petroleum and Chemical Engineering,Lanzhou University of Technology,Lanzhou Gansu 730050,China;Taiyuan Satellite Launch Center,Taiyuan Shanxi 030027,China)

机构地区：[1]兰州理工大学石油化工学院,甘肃兰州730050 [2]太原卫星发射中心,山西太原030027

出　　处：《中国安全生产科学技术》

基　　金：甘肃省重点研发计划-工业类(1604GKCA022)

年　　份：2019

卷　　号：15

期　　号：10

起止页码：63-68

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为解决输油管道易腐蚀,且腐蚀程度难以测量的问题,提出使用改进的粒子群算法(PSO)优化误差反向传播神经网络(BPNN)对输油管道内腐蚀速率进行预测。改进的PSO算法提升了自身搜索到全局最优的能力,可为BPNN提供最优初始权值和阈值,从而有效避免BPNN易陷入局部最优的问题发生。以某条输油管线为例,分别运用标准的BPNN模型、PSO-BPNN以及改进的PSO-BPNN对该管线内腐蚀速率进行预测。结果表明:基于改进的PSO-BPNN的预测结果平均相对误差为5.57%,预测精度较BPNN和PSO-BPNN有明显提升。使用改进的PSO-BPNN预测输油管道的腐蚀速率可为管道的检测维修提供可靠的理论和技术支撑。

关 键 词：输油管道 粒子群算法 BP神经网络 腐蚀速率

分 类 号：X937[安全科学与工程类]