预测管道蜡沉积速率的BP神经网络模型研究.pdfVIP

2014年 1月 西安石油大学学报 (自然科学版) Jan．2014 第29卷第 1期 JournalofXianShiyouUniversity(NaturalScienceEdition) Vo1．29No．1 文章编号：1673-064X(2014)01-0066-05 预测管道蜡沉积速率的 BP神经网络模型研究 田震 ，靳文博 ，周 磊2，安云朋 ，伍鸿飞 (1．西南石油大学 石油工程学院，四川 成都610500；2．青海油田采油二厂，青海 海西州 817500) 摘要：利用灰色关联法分析了7个影响因素与管道蜡沉积速率的关联度，确定了模型的输入维数； 通过建立7—10一l的BP神经网络预测模型预测了所取样本的蜡沉积速率，并对其预测精度进行 验证和对比。结果表明：在考虑7个影响蜡沉积速率因素时，模型的精度可控制在0．5％左右，比 考虑4个影响因素的精度更高；BP神经网络预测模型的精度与输入维数有关，维数的增大有利于 精度的提高，但并不意味维数越高精度就越高；不同的初始权重和阈值对于预测的精度和泛化能力 存在较大影响，但模型的精度仍在可接受范围内，因此，该模型可用于蜡沉积速率预测。 关键词：蜡沉积速率；灰色关联分析；BP神经网络 中图分类号：TE832；TP183 文献标识码 ：A 管道输送含蜡原油会带来蜡沉积问题。蜡沉积 果，利用BP神经网络模型对蜡沉积速率进行了预 使得管道的有效流通截面积减小，流动阻力增大，输 测，证实了该模型用于蜡沉积速率预测的可靠性。 送能力降低，给原油的采输带来了严重的安全隐患。 1 BP神经网络模型的建立及蜡沉积 因此，准确地预测管道的蜡沉积速率和规律，对于指 导含蜡原油管道节能输送具有重要的意义 ¨ 。 速率预测 目前蜡沉积研究仍然以实验为主。为了建立蜡 1．1 影晌因素的确定 沉积的速率模型，需要通过不同的模型和方法对室 灰色关联分析方法是根据因素之间发展趋势的 内实验数据进行分析和预测，学者们对此已做了相 相似或相异程度来衡量因素间关联程度的一种方 关研究。周诗岽等 考虑4个因素对蜡沉积速率 法。运用灰色关联分析方法，对各影响因素 (油温、 的影响，利用逐步回归的方法及BP神经网络模型 壁温、原油黏度、管壁剪切应力、流速、管壁处温度梯 对蜡沉积速率进行预测，结果表明神经网络方法比 度、管壁处蜡分子浓度梯度)进行灰色关联分析，得 逐步回归方法精度高。王军亮等 采用二阶微粒 到各影响因素与蜡沉积速率的关联度如表 1所示。 群算法对蜡沉积速率模型进行了研究，指出该方法 影响因素与序号的对应关系为：1一油温、2一壁温、 的准确性优于逐步回归分析法。众所周知，影响蜡 3一原油黏度、4一管壁剪切应力、5一流速、6一管壁 沉积的因素很多，且各因素之间具有非常复杂的非 处温度梯度、7一管壁处蜡分子浓度梯度。 线性关系。考虑到三层 BP神经网络在非线性拟合 灰色关联分析的具体步骤为： 及 自学习能力方面的优势，在较全面考虑蜡沉积影 (1)数据无量纲化。 响因素的基础上，结合文献中蜡沉积实验研究的结 (2)确定反映系统行为特征的参考序列和影响 收稿 日期：2013-06—25 作者简介：田震(1990一)，男，在读硕士，主要从事油气集输工艺理论及技术方面的研究 E—mail：believemetoo@ sina．tom 田震等 ：预测管道蜡沉积速率的BP神经网络模型研究