[发明专利]基于PCA-RBF埋地管道腐蚀速率预测方法

说明书

本发明涉及一种基于PCA‑RBF埋地管道腐蚀速率预测方法。该方法通过结合PCA的特征提取功能和RBF网络强大的函数逼近能力，建立基于PCA和RBF神经网络的埋地管道腐蚀速率预测模型。本发明方法对改善埋地管道腐蚀速率的预测效果显著，PCA‑RBF模型在建模过程中具有更快的学习速度，同时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PCA-RBF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PCA-RBF建模方法建立埋地油气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。最后，以国内某埋地油气管道为研究对象，建立PCA-RBF埋地管道腐蚀速率预测模型，结果表明PCA-RBF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PCA-RBF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；最后，以埋地油气管道为研究对象，建立PCA-RBF埋地管道腐蚀速率预测模型，结果表明PCA-RBF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PCA-RBF埋地管道腐蚀速率预测方法，包括如下步骤：

步骤S1、选择土壤中对埋地管道腐蚀相关的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，采用PCA-RBF方法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、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，所述步骤S1中，对埋地管道腐蚀相关的影响因素包括含水率、HCO₃－含量、Cl^－含量、SO₄^2－含量、氧化还原电位、pH值、土壤电阻率。

在本发明一实施例中，所述步骤S3中，采用PCA-RBF方法建立埋地管道腐蚀速率预测模型的具体实现步骤如下：

(1)数据归一化：由式(1-1)对样本数据进行归一化，得T＝[T₁,T₂,···,T₁₃]；

式(1-1)中，x_i(k)为埋地管道腐蚀速率影响因素x_i第k个样本的采样值，X_i-max、X_i-min为影响因素x_i的最大值和最小值；T_max、T_min为归一化的最大值和最小值，取T_max＝1、T_min＝-1；

(2)采用主元分析PCA提取主元：