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。     

人工神经网络预测注水腐蚀管道的剩余寿命

利用人工神经网络的自适应、自组织学习能力，通过对训练样本集的学习，使用传统的CVDA－84规范、传统的BP神经网络、改进的Rumelhart和MBP神经网络，对注水管道的剩余寿命进行了预测。结果表明，CVDA－84规范偏保守，采用BP以及改进的BP神经网络预测的剩余寿命和观测值基本一致。但采用BP人工神经网络预测时，迭代次数比CVDA多得多。采用改进的Rumelhart和MBP神经网络能有效地提高预测速度，改善网络的收敛性，并且使预测精度有所提高。     

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）。