基于大数据和神经网络的管道完整性预测方法

为了全面、客观地评价油气管道完整状态,预测管道潜在威胁,提高油气管道安全管理水平,通过采用人工神经网络机器学习理论,建立了对管道潜在威胁和管道状态进行学习和预测的框架与方法。该方法根据管道潜在威胁类型和管道状态定义,充分利用管道建造、施工、操作、运行、失效、检测等各类数据,作为潜在影响因素,以模拟人脑思维和学习的方式,对管道威胁和管道状态进行客观、有效的学习,给出潜在影响因素的重要度排序,利用获取的知识,对管道潜在威胁和管道状态进行客观预测,并将预测结果用于评价管道风险和制定管道检测周期。该方法避免了以往分析方法依赖专家意见、主观性强的缺点,全面利用各类管道数据集,客观地对管道完整性进行预测,对提高管道安全水平和决策效率有重要作用。