基于人工神经网络的油气管道CO_(2)腐蚀速率预测研究进展.docxVIP

下载本文档

2
0
约1.89万字
约 7页
2025-10-24 发布于浙江
举报
版权申诉

基于人工神经网络的油气管道CO_(2)腐蚀速率预测研究进展.docx

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

《热加工工艺》2021

《热加工工艺》2021年9月第50卷第18期

基于人工神经网络的油气管道co2腐蚀速率预测研究进展

郑度奎，胡晨章，蒲月华

(广东省特种设备检测研究院湛江检测院，广东湛江524000)

摘要：油气管道往往存在着由于腐蚀带来的安全问题，其中最为严重的是C02腐蚀。(：02腐蚀速率的预测属于复杂的非线性问题，利用人工神经网络可逼近任意非线性函数的功能对油气管道进行C02腐蚀速率预测，是目前最理想的预测方法。综述了常用的4种人工神经网络:BP神经网络、小波神经网络、径向基神经网络和广义回归神经网络，分别从它们的网络结构、函数类型、计算过程和预测结果等方面进行了介绍。对于各种智能算法对人工神经网络的优化，亦分析了优化的原理和本质。最终归纳和比较了各种人工神经网络的特点和缺点，并根据人工神经网络在其他领域的应用以及存在的问题提出了未来的发展方向，对油气管道C02腐蚀速率精确预测的研究起到参考及指导作用。

关键词：C02;腐蚀速率；预测；神经网络；精度

DOI:10.14158/j.cnki.1001-3814.中图分类号：TG172 文献标识码：A 文章编号：1001-3814(2021)18-0025-07

ResearchProgressinPredictionofC02CorrosionRateofOilandGasPipelineBasedonArtificialNeuralNetwork

ZHENGDukui,HUChenzhang,PUYuehua

(ZhanjiangInspectionInstituteofGuangdongInstituteofSpecialEquipmentInspectionandResearch,Zhanjiang524000,China)

Abstract：Oilandgaspipelinesoftenhavesafetyproblemscausedbycorrosion,themostseriousofwhichisC02corrosion.ThepredictionofC02corrosionrateisacomplexnonlinearproblemandusingthefunctionthatartificialneural

networkcanapproachanynonlinearfunctiontopredictC02corrosionrateofoilandgaspipeline,whichisthemostidealpredictionmethod.Fourkindsofcommonlyusedartificialneuralnetworkswerereviewed:BPneuralnetwork,waveletneuralnetwork,radialbasisftinctionneuralnetwork,generalizedregressionneuralnetwork,andtheirnetworkstructure,functiontype,calculationprocessandpredictionresultswereintroduced.Fortheoptimizationofartificialneuralnetworkbyvariousintelligentalgorithms,theprincipleandtheessenceofoptimizationwasanalyzed.Finally,thecharacteristicsandshortcomingsofallkindsofartificialneuralnetworksweresummarizedandcompared.Thefuturedevelopment