共查询到18条相似文献,搜索用时 291 毫秒
1.
2.
3.
海底管道清管器运行时间对于清管收球作业具有重要的参考作用。为了明确清管器运行时间的影响因素,运用灰色关联分析法对海管里程、海管进出口压力差、输气量、海管进出口温度差、过盈量、清管器质量、输油量、含水率进行关联度计算,分析各影响因素与清管器运行时间的相关性,并以此构建了网络结构为(8,11,1)的清管器运行时间BP神经网络预测模型。以渤海某油田海底管道的清管作业数据记录为样本,对清管器运行时间进行预测及验证,结果表明:该模型预测的清管器运行时间的平均误差为8 min,平均相对误差为12.5%。研究结果可为制订合理的海底管道清管收球作业方案提供参考。(图5,表2,参20) 相似文献
4.
为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明:(1)与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;(2)与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;(3)BP和RBF方法建立的模型拟合精度总体上较接近;(4)基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;(5)基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R2为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R2为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。 相似文献
5.
6.
7.
针对元坝高酸性气田地面管道的内腐蚀问题,提出了一种考虑多因素的BP神经网络腐蚀预测模型。该模型以温度、CO2分压、H2S分压、p H值、Cl-含量、总矿化度、液气比、缓蚀剂残余量8种影响因素的数据作为输入量,再将腐蚀速率作为输出量,通过现场实测获得大量历史样本数据,对BP神经网络进行训练,实现了地面管道的腐蚀速率预测,并利用该模型对元坝高酸性气田地面管道各腐蚀因素的重要程度进行评判。结果表明:随机抽取工况参数,模型预测值与实测值的平均绝对误差在10%以内,预测模型具有较高的准确性和可靠性;影响元坝高酸性气田地面管道腐蚀速率的主控因素为H2S分压,CO2分压、缓蚀剂残余量次之。研究成果可为类似气田地面管道的内腐蚀评估提供技术借鉴。(图2,表3,参22) 相似文献
8.
改进层次分析法和模糊灰色理论的管道土壤腐蚀评价 总被引:2,自引:0,他引:2
针对埋地管道在土壤中腐蚀因素复杂多变且腐蚀状况不能确定的特点,提出了一种新的管道土壤腐蚀评价模型,该模型采用灰色关联确定土壤腐蚀因素的顺序,用改进的层次分析法确定各因素具体的权重,并采用模糊的综合评价方法评价在役管道的腐蚀状况.在实例计算中考虑了5个影响管道土壤腐蚀的主要因素,并建立了5个评价等级,对1~8个管道检测点进行了腐蚀评价,最终获得的管道评价等级与现场实际基本一致.通过实例计算表明,该方法可用于现场对管道的土壤腐蚀评价,同时为管道的及时维修和更换提供了科学的依据. 相似文献
9.
10.
运用灰色系统理论的关联分析方法.对海南省农民人均纯收入与影响农民人均纯收入的主要因素进行了实证研究。研究结果表明.各因素对农民人均纯收入影响的关联序为:农业贷款、乡镇企业贷款(0.8382)〉农业机械总动力(0.8353)〉农业生产资料价格总指数(0.7964)〉农村家庭从业人员(0.7303)〉粮食单位面积产量(0.7011)〉农业人口数(0.6843)〉农业生产总值(0.6789)〉耕地总面积(0.6708)〉粮食占农作物总播种面积比重(0.6444)。在此基础上.根据关联度的分析,对如何发挥主导因素的作州,提高海南省农民人均纯收入提出了政策建议。 相似文献
11.
12.
为克服埋地管道土壤腐蚀因素之间具有模糊性、随机性、交互性及传统方法预测精度较低等缺陷,以某现场埋地管道腐蚀埋片数据为基础,选择10个影响因素为输入参数,以外腐蚀速率为输出参数,采用径向基函数(Radial Basis Function,RBF)神经网络模型,对数据样本进行训练、验证、测试,建立外腐蚀速率预测模型,并通过... 相似文献
13.
基于因子分析的BP神经网络在需水预测中的应用 总被引:1,自引:1,他引:0
需水预测涉及农业、工业、生活和环境等多种因素,是典型的多指标评价问题,需对多因素进行综合评估.以广东省珠海市为例,利用1986~2000年的需水量数据,采用因子分析法对影响需水量的8个变量进行因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的需水量预测.结果表明:前4个公因子,即综合实力因子、畜牧影响因子、环境影响因子和补充分析因子,累计贡献率达99%以上,为影响研究区需水量的主要因子,以此作为输入样本建立的BP神经网络需水预测模型既能合理地构造神经网络的拓扑结构,又可加快网络的收敛速度,精度较高.因子分析与BP神经网络结合是多因素需水预测的一个有益尝试. 相似文献
14.
为探究提高土壤有机质预测精度的方法,以黄淮海旱作区为研究对象,分别运用云遗传BP神经网络、BP神经网络和GABP神经网络三种方法比较不同土层的土壤有机质预测精度。结果表明:1)不同土层土壤有机质值的数据分布与正态分布相比具有不同程度的向右偏移,不同土层土壤有机质均属于中等程度变异;2)不同土层土壤有机质的半方差函数最优拟合模型均为指数模型,不同土层土壤有机质的结构因素与随机因素对空间变异的影响大小基本一致,空间自相关性较弱;3)结合云模型与遗传算法的BP神经网络对0~10、10~20、20~30cm土层土壤有机质的预测精度均得到了一定提升,而对30~40cm土层土壤有机质的预测精度则提升不明显,可能是由于30~40cm土层土壤有机质变异系数超过了一定范围所造成。研究结果可为提高土壤有机质的预测精度提供参考,并为进一步调整耕地管理措施及提高土壤质量水平提供依据。 相似文献
15.
16.
17.
基于灰色层次分析法的长输管道风险评价 总被引:1,自引:0,他引:1
通过油气长输管道风险评价指标(因素)体系的综合分析,将灰色理论和层次分析方法结合,对管道风险指标因素进行定量评价。建立了基于灰色层次分析法的油气管道定量评价模型,用层次分析法确定指标的权重区间,并结合专家评分,对管道进行风险评定。将此方法应用于盘锦输油管道(曙光首站-东郭阀室段),结果表明:最大危害因素为第三方破坏,其次为腐蚀破坏,而自然灾害和管道本身存在缺陷相对为较安全因素。灰色层次分析法综合了灰色理论和层次分析方法的优势,不仅可以对风险因素进行细化分析,而且灰色理论可以对各个指标因素的权重进行更灵活的处理,使得评价模型和评价过程更符合客观规律,评价结果更加准确可靠。(表6,参12) 相似文献
18.
基于BP神经网络的太湖典型农田土壤水分动态模拟 总被引:2,自引:0,他引:2
收集太湖典型农田2010年10—12月和2011年3—6月2个时间段的逐日气象资料和土壤水分资料,运用BP(back propagation)神经网络和缺省因子分析法确定影响该地区土壤水分动态的主要气象因子(降水量、蒸发量、平均气温和平均地表温度以及平均风速),以这些主要影响因子作为输入变量建立该地区土壤水分动态模拟的BP神经网络模型。利用100组实测样本对神经网络进行训练,用剩余的64组实测样本进行检验。结果表明:0~14 cm和14~33 cm土壤含水量模拟的平均相对误差(MARE)最大为0.062 9,均方根误差(RMSE)最大为1.764,不同土壤层次的训练样本和检验样本的精度(PA)都在0.87以上。因此,BP神经网络用于太湖典型农田的土壤水分动态模拟是可行的。 相似文献