基于神经网络的管道沿线土壤腐蚀态势评价

利用神经网络极强的非线性逼近特点,采用神经网络评价管道土壤腐蚀态势。介绍了基于BP神经网络的管道土壤腐蚀态势评价模型建立的方法和过程,在实例计算中考虑土壤pH值、土壤电阻率、土壤氧化还原电位和电解失重四个主要因素,选取9个学习样本对BP神经网络进行训练,分别用训练好的BP神经网络和模糊综合评价对现场管道6个实测点进行腐蚀态势评价,结果表明,两种方法得到的评价结果完全一致,该方法可以用于对管道沿线土壤腐蚀态势的评价。     

基于MATLAB的BP神经网络在农作物虫情测预报中的应用

本文主要利用神经网络理论,基于MATLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值。     

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。     

MATLAB在RBF神经网络模型中的应用

本文介绍了RBF神经网络的基本原理及主要特点,并举例说明了基于MATLAB神经网络工具箱建立RBF神经网络模型及实现仿真的方法.     

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.     

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...     

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.     

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.     

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。     

注水管道腐蚀缺陷裂纹扩展速率的确定方法

在试验的基础上，研究了注水管道中以腐蚀为主、疲劳为辅的腐蚀缺陷裂纹扩展机理，认为腐蚀缺陷裂纹扩展主要是由印化膜开裂引起的。在此基础上，建立了腐蚀缺陷裂纹扩展率的数学模型，并提出了求解此数学模型的有效方法，以胜利油田营－11试验区某段加缓蚀剂的注水管道为例，利用腐蚀缺陷疲劳裂纹扩展数学模型预测注水管道腐蚀缺陷尺寸随时间的变化趋势，预测结果和智能检测仪的检测结果基本一致。     

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）。     

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.     

基于BP神经网络的土壤适宜性评价——以溪洛渡水电站嘎勒移民安置区为例

人工神经网络具有大规模并行处理、分布式储存、自适应性、容错性等特点,可以解决复杂的非线性问题.本文将BP人工神经网络应用到溪洛渡水电站嘎勒移民安置区土壤适宜性评价中,构建了影响土壤适宜性的评价因子训练集,对隐层神经元数量的选择、训练过程的建立等问题进行了探讨.通过MATLAB神经网络工具箱对专家样本的学习,建立具有泛化能力的土壤适宜性评价BP神经网络模型,确定网络模型结构为9-7-1,均方误差为0.00033,并对预测地块进行评价,得出评价区域以中等适宜性的土壤为主的结果.     

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。     

RBF神经网络的土壤养分肥力评价研究

土壤养分肥力等级是土壤特征的综合反映。以黑龙江850农场为研究区域,应用RBF神经网络方法构建该区的土壤养分肥力评价模型。以土壤养分指标作为神经网络的输入,土壤养分等级作为输出。通过实验模拟训练和预测,RBF神经网络取得的结果较好,与相关的BP神经网络模型进行实验比较,实验结果表明RBF神经网络得到的等级结果精度更高,该模型的建立与预测为土壤养分肥力等级评价提供了新途径。     

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。     

基于MATLAB下BP网络在力学反问题中的应用

存简介MATLAB语言和BP神经网络的基础上,建立了薄板力学参数反求的BP模型,调用了MATLAB软件中的神经网络工具箱,模型经过训练,并应用于实例求解,取得了良好的效果.表明运用BP神经网络进行力学反问题求解是可行的.同时,运用MATLAB神经网络工具箱,免去了繁琐的编程工作,计算效率明显提高.