[发明专利]基于APSO优化的LSSVM的埋地管道腐蚀速率预测方法

说明书

本发明涉及一种基于APSO优化的LSSVM的埋地管道腐蚀速率预测方法。该方法基于自适应粒子群（APSO）优化的最小二乘支持向量机（LSSVM）应用于埋地管道腐蚀速率预测中。本发明方法对改善埋地管道腐蚀速率的预测效果显著，LSSVM模型在建模过程中具有更快的学习速度，同时，采用APSO进行参数优化，提高了模型的预测精度和泛化能力，在埋地管道腐蚀速率预测中可用性很强。

技术领域

本发明涉及一种基于APSO优化的LSSVM的埋地管道腐蚀速率预测方法。

背景技术

埋地油气输送管道在运行一定时间后会因腐蚀穿孔而漏油漏气，这将干扰整个输送系统的正常运行，因此，急需预测埋地油气管道腐蚀速率，以便为其检测与维护提供重要依据。目前，有关埋地油气管道腐蚀速率的预测方法主要有灰色理论、回归模型、神经网络模型等。

然而，神经网络建模过程还是存在计算量较大、学习效率低等缺点。而支持向量机(SVM)是近年来提出的一种新的建模方法，具有计算效率高、算法简单等特点。然而在SVM建模过程中需要求解二次规划问题，当训练样本数目很大时，计算极为费时。

为此，发明采用一种基于APSO优化的LSSVM建模方法建立埋地油气管道腐蚀速率预测模型，该方法简化了模型结构，加快了模型的计算速度，并采用APSO优化模型参数。最后，以国内某埋地油气管道为研究对象，建立LSSVM埋地管道腐蚀速率预测模型，结果表明LSSVM模型预测值与实际结果有很好的一致性。

发明内容

本发明的目的在于提供一种基于APSO优化的LSSVM的埋地管道腐蚀速率预测方法，该方法简化了模型结构，加快了模型的计算速度，并采用APSO优化模型参数；最后，以埋地油气管道为研究对象，建立LSSVM埋地管道腐蚀速率预测模型，结果表明LSSVM模型预测值与实际结果有很好的一致性。

为实现上述目的，本发明的技术方案是：一种基于APSO优化的LSSVM的埋地管道腐蚀速率预测方法，该方法应用于埋地管道腐蚀速率预测模型中，简化了模型结构，加快了模型的计算速度，该方法实现如下：

步骤S1、选择含水率、HCO₃^－含量、Cl^－含量、SO₄^2－含量、氧化还原电位、pH值、土壤电阻率7个影响因素作为输入变量；

步骤S2、以埋地输气管线为研究对象，通过对管道沿线土壤理化性质的测试及对管线的检测，获得样本数据；

步骤S3、随机选择若干组样本数据作为训练样本，建立埋地管道腐蚀速率预测模型，将余下的样本数据作为测试样本，以测试所建立模型的预测效果；

步骤S4、建立基于APSO优化的LSSVM埋地管道腐蚀速率预测模型；

步骤S5、根据评价指标对模型预测效果进行评价。

在本发明一实施例中，步骤S4中，建立基于APSO优化的LSSVM埋地管道腐蚀速率预测模型，具体实现步骤如下：

(1)基于SVM的算法思想，对于第i个样本的t个输入变量用一个向量表示为：

x_i＝[x_i(1),x_i(2),…,x_i(t)] (1-1)

而第i个样本对应的输出变量用y_i表示；假定共有N个样本，则输入与输出之间的关系可表示为如下形式：

式中，y＝[y₁,y₂,…,y_N]，w是权系数向量，是输入空间到高维空间的映射，b是阈值；