MATLAB神经网络在管道土壤腐蚀评价中的应用

根据现场的土壤腐蚀数据,利用BP人工神经网络原理,借助MATLAB神经网络工具箱函数,设计了土壤理化性质与碳钢腐蚀速率的网络仿真模型,并给出了应用实例,仿真效果显示,预测值与实际值相差很小.通过对X70钢在土壤中的腐蚀速率进行成功预测,证明神经网络在管道土壤腐蚀速率预测中具有实际应用价值.     

北京地下天然气管道土壤腐蚀的试验研究

采用现场土壤埋地试片的方法,对北京地下天然气管道的沿线土壤腐蚀性及管道腐蚀现状进行了调查研究,利用Ｘ射线衍射对碳钢的腐蚀产物进行了微观分析。根据对现场埋片形貌观察可知,裸碳钢试件的腐蚀分为较均匀的腐蚀和非均匀的溃疡状麻坑及近圆形蚀坑。     

改进层次分析法和模糊灰色理论的管道土壤腐蚀评价

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.     

管道土壤腐蚀速率测试方法

在电阻法的基础上,通过改进测试技术,建立了一种可以获得可靠管材土壤腐蚀速率数据的测试方法.这种方法的主要特点是,可以采用较大尺寸的腐蚀试样;能够在较短的试验期间内获得稳定的腐蚀速率,测试精度高,可以达到0.3 μm;对于管材的均匀腐蚀和局部腐蚀均能进行测试和分析.     

埋地钢质管道土壤腐蚀因子分析

对埋地燃气管道周边土壤的基本理化数据进行了因子分析,将9个检测变量归纳为4个公共因子.研究结果表明,土壤各方面的性质对于土壤腐蚀的重要程度不同.在进行多因素评价时,应选取含盐量、含水量、自然腐蚀电位、氧化还原电位以及土壤电阻率作为主要考察因素,而经常作为主要评价因素的pH值和杂散电流则可不用考虑.     

基于KPCA-GWO-SVM的埋地管道土壤腐蚀速率预测

为提高埋地管道土壤腐蚀速率的预测精度,对土壤腐蚀的影响因素进行了梳理和分析.通过核主成分分析法(Kernel Principle Component Analysis,KPCA)对影响因素进行了数据降维,随后对支持向量机(Support Vector Machine,SVM)关键参数进行了寻优,并将GWO-SVM、GA...     

川气东送管道土壤腐蚀埋片试验

埋地管道的土壤腐蚀对管道的安全经济运营造成不利影响。川气东送管道埋设距离长,土壤和水文地质条件复杂,易遭受土壤腐蚀。通过对管道干线沿线典型土壤的理化性质进行现场测试,并开展现场腐蚀埋片试验,得出川气东送管道沿线土壤的腐蚀类型和腐蚀性强弱。根据试验结果,川气东送管道沿线土壤的腐蚀性较强,处于劣等级的土壤占管道工程全程的1/3以上,应对管道实施有效的腐蚀防护处理。     

基于BP神经网络的大气环境质量评价模型

依据BP人工神经网络原理,以MATLAB为工具,建立了某市大气环境质量评价模型,评价了该市1月上旬大气环境质量状况,并与灰色聚类法、模糊综合评价法的评价结果进行比较,得到了较为一致的评价结果。     

基于概率神经网络的广东省土地资源评价

用概率神经网络的方法,以广东省土地资源为对象进行了土地资源评价的研究,并与BP网络的评价结果作了比较,结果表明,用概率神经网络进行评价的结果比BP网络的评价结果更加准确,更加切合实际情况,一定程度上避免了人为因素的干扰,提高了土地资源评价的准确性．     

基于可拓学的燃气管道土壤腐蚀性评价

以物元、可拓集合和关联函数等可拓学理论为基础,建立了燃气管道土壤腐蚀性综合评价的物元可拓模型,介绍了确定评价物元、经典域和节域、待评物元、关联函数、权重、待评物元综合关联度和评价级别的方法和步骤。以常州港华燃气某段长为23km的高压燃气管段为研究对象,选择含盐量、含水量、自然腐蚀电位、氧化还原电位和电阻率作为评价指标,利用该模型对对象管段沿线土壤进行综合评价,从综合关联度和变量特征值两个角度确定土壤的腐蚀性等级为IV级,说明该段土壤腐蚀程度较高,若在此处设置燃气管道,必须采取严格的防腐措施并定期实施无损检测。研究结果表明:物元可拓模型基本适用于燃气管道土壤腐蚀性的综合评价,但在合理制定评价标准,选取评价指标、关联函数及计算权重等方面,尚需深入探讨。     

用人工神经网络预测天然气管道内腐蚀速度

介绍了人工神经网络技术及其BP算法的网络模型.引入人工神经网络模型,对输气管道内腐蚀速度进行了预测,预测结果表明,人工神经网络预测的结果与管道内壁实际腐蚀速度接近,预测精度较高,尤其是在处理非线性数据方面,人工神经网络更优于目前普遍采用的逐步回归法.     

利用神经网络分析注水管道内腐蚀影响因素

对注水管道内两种腐蚀影响因素进行了排序，采用灰色关联分析法和二层BP神经网络法对主要影响因素进行了考察。示例分析表明，采用改进二层BP神经网络得到的连接权值排序，比灰色关联法更能准确反映注水管道内腐蚀实际情况。根据某注水试验区注水管道水质分析数据及计算结果，得出其主要影响因素的高低排序为，溶解氧（0．877），pH值（0．856），硫酸盐还原菌（0．84），温度（0．811），压力（0．78），CO2（0．76），流速（0．736）。     

预测腐蚀管道剩余强度的新方法

将BP神经网络和遗传算法相结合,得到了一种可计算腐蚀管道剩余强度和最大允许注水压力的新神经网络.通过实例分析,将7种常用规范和改进的遗传神经网络方法进行了比较.结果表明,不同计算方法得到的剩余强度和最大允许注水压力相差较大,Wes 2805-97规范、ASMEB31G规范、CVDA-84规范、Irwin断裂力学方法等都比J积分方法的剩余强度和最大允许注水压力偏大;Burdiken和DM断裂力学方法计算得到的剩余强度和最大允许注水压力比J积分偏小;J积分方法和基于J积分方法的改进遗传神经网络方法计算结果比较接近,比较适中,可以认为是计算管道剩余强度和最大允许注水压力较好的方法.     

土壤含水率与像素颜色之间关系的BP人工神经网络模型

建立像素颜色RGB值与土壤含水率之间的数学关系，是染色入渗法的应用基础。结合沟灌染色入渗试验。研究了染色入渗过程中土壤含水率与像素颜色分量之间关系的BP人工神经网络模型。分析土壤含水率与像素颜色分量之间的关系，确定BP人工神经网络的拓扑结构，以像素颜色分量的相对值作为输入因子。土壤含水率作为输出因子，建立了包含1个隐层的BP人工神经网络。结果表明，该模型具有较高的拟合精度和验证精度，优于二次多项式模型。     

BP神经网络的土壤肥力评价研究

为给用户提供准确、科学的施肥指导。在建立BP神经网络评价模型的基础上,构建了以黑龙江850农场为研究区域的土壤肥力评价的空间信息平台,实现地块肥力等级在线评价及等级空间分布。因BP神经网络方法不需要人为干预,更具有客观评判性,与相关方法进行比较,该评价方法能更有效地对该农场的土壤肥力进行正确的评价。     

基于人工神经网络的土壤含水量预报模型

土壤水分含量是影响作物生长的重要因素,精确预测技术对水资源的合理利用与管理具有重要的指导意义。土壤水分运动是一个复杂的时间序列系统,其变化与区域气候条件和生态环境密切相关,具有明显的随机性波动。利用人工神经网络的方法对河南驻马店地区的土壤含水量进行预报,利用表层土壤含水量资料计算了一些与深层土壤含水量相关的预报因子,用以建立驻马店地区深层土壤含水量的神经网络预报模型,并应用独立样本进行了初步的模拟预报检验。结果表明,预报模型取得了令人满意的效果,应用神经网络的方法预报深层土壤含水量是可行的。     

基于神经网络的长输管道综合可靠度评估方法

对长输管道可靠性进行评估的传统方法是，将管道结构视为一个串联或并联系统，运用可靠性的理论概念和各种失效概率假设，以故障率的统计资料为计算依据来进行可靠度的计算分析，可靠度也采用故障率等参数来表达。该方法表达方式简单，含义通俗易懂，计算过程简便。然而，该可靠度的结果存在实用性不足的明显缺陷，不便于将其结论直接应用于管道设计、在线检测评估、管道维护等实际工作。为此从6个方面进行了分析，提出了构建综合可靠度的理论设想。运用神经网络的基本原理和模型进行分析建模，并提供了分析思路和步骤。     

用人工神经网络模拟土体塌陷的可行性分析

探讨了利用人工神经网络预测土体塌陷与土体参数和荷载条件之间关系的可行性。BP神经网络是最常用的神经网络之一,通过网络训练,最终确定了6个变量即输入信息、8个隐层和1个输出层的网络结构。在比较了预测值与试验值后,进一步证实了人工神经网络在评估土体塌陷方面效果明显。     

输气管道内腐蚀速度BP神经网络预测模型

人工神经网络是模护人脑神经元结构、特性和大脑认知功能而构成的新型信号、信息处理系统。利用实验获得的输气管道在气相或液相中含有H2S、CO2、缓蚀剂浓度与其所导致的内腐蚀速度值，采用Levenberg-Marquardt算法建立了输气管道内腐蚀速度BP神经网络预测模型。利用该模型对输气管道内腐蚀速度进行了预测，取得了比较满意的效果。     

改进BP神经网络在管道腐蚀速率预测中的应用

针对影响管道腐蚀速率预测精度出现的BP算法易陷入局部最小值、收敛速度慢和引起振荡效应等问题,根据改进自适应遗传算法在广泛的空间搜索和向最优解的方向尽快收敛于最优目标的特点,提出了使用改进自适应遗传算法优化BP神经网络,构建了优化的混合算法神经网络模型.实际应用表明,该模型将大大提高网络的学习效率和预测评判的准确率.