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

(兰州理工大学 石油化工学院，甘肃 兰州 730000)

0 引 言

随着输油管道的长时间且不间断运行，管道事故频发。因此研究输油输送管道腐蚀状态，对保障居民安全，社会及企业稳定发展具有重大意义。张河苇等人[1]基于互信息理论方法，建立了管道腐蚀等级与各相关因素之间的关联模型，确定了影响管道腐蚀速率的主要因素。Noor N M[2]使用半概率法对海底管道发生内腐蚀后的剩余强度进行预测。Senouci A[3]使用神经网络模型对管道的内外监测数据进行分析，预测管道腐蚀状态以及管道衰退情况。章玉婷等人[4]提出了基于反向传播神经网络(BPNN)模型对长输管道的内腐蚀速率进行预测，但由于单一的BPNN模型具有易陷入局部最优的缺陷，因此预测误差相对较大。

本文引入GA优化BPNN模型，有效克服了单一的BPNN模型易陷入局部最优的缺点，从而更准确地对输油管道腐蚀速率进行预测[5]。GA按照适应度函数及选择、交叉、变异等遗传操作对BPNN模型的权值及阈值优化筛选，确定其最优初始值。利用优化后BPNN模型进行学习训练及验证，得出的管道腐蚀速率预测结果接近真实值。

1 BPNN预测模型

1.1 BPNN

BPNN模型根据已知数据类型与预期输出数据类型确定输入层和输出层节点个数[6]。输入层将数据信号传输给神经网络中间的隐含层，隐含层学习并处理数据，将处理后的信号结果传输给输出层[7]。如果输出的结果与期望输出值不一致，便将误差反向传播给隐含层，并对隐含层的权值和阈值进行修正，如此反复，直到输出结果与期望输出值相符为止[8]。……