| 利用神经网络分析注水管道内腐蚀影响因素 |
| |
| 引用本文： | 喻西崇,赵金洲,纪录军,胡永全.利用神经网络分析注水管道内腐蚀影响因素[J].油气储运,2003,22(2):27-31. |
| |
| 作者姓名： | 喻西崇 赵金洲 纪录军 胡永全 |
| |
| 作者单位： | 1. 中海石油研究中心博士后工作站
2. 西南石油学院 |
| |
| 摘 要： | 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）。
|
| 关 键 词： | 神经网络 注水管道 内腐蚀 影响因素 采油 |
Corrosion Influence Factors Analysis Using Neural Network for Injecting Pipeline |
| |
| YU Xichong,ZHAO Jinzhou et al.Corrosion Influence Factors Analysis Using Neural Network for Injecting Pipeline[J].Oil & Gas Storage and Transportation,2003,22(2):27-31. |
| |
| Authors: | YU Xichong ZHAO Jinzhou |
| |
| Abstract: | Two methods are put forward to sort for injecting pipeline corrosion influence factors and to determine main influence factors,namely gray relation analysis and two layers BP neural network in this paper. The field examples show that prediction results of two layers BP neural network are better than those of gray relation analysis. Therefore,two layers BP neural network method should be adopted to analyze injecting pipeline corrosion influence factors to determine main influence factor. In this experimental zones,main influence factor of corrosion are sorted as below: O 2 (0. 877) )pH (0. 856)>SRB (0.84) >temperature(0. 811)> pressure (0.78) >CO 2 (0.76)>flow velocity (0. 736)>0.7. |
| |
| Keywords: | injecting pipeline corrosion BP neural network influence factor analysis |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
