基于小波神经网络预测多相动态管道腐蚀速率

摘要

利用小波神经网络模型预测多相动态环境下油气集输管道腐蚀速率.首先通过室内多相动态腐蚀实验,获得了不同工况条件下的挂片腐蚀速率,用于训练和检验小波神经网络预测模型,然后利用多因子方差分析研究了温度、压力、流率、硫化氢含量、二氧化碳含量、溶解氧含量、含水率、盐含量和pH对腐蚀速率的影响程度,实现了各因素的有效性筛选,最后在确定隐含层节点数基础上通过训练、测试建立起适宜的小波神经网络预测模型,并进一步验证了模型可靠性.结果表明:除了压力外,各因素对腐蚀速率均有十分显著的影响,属于有效输入信号.当隐含层节点数为17时,8-17-1型小波神经网络结构表现出良好的准确性和稳定性.利用Levenberg Marquardt优化算法对模型进行了反复训练,直至其均方根误差小于容许收敛误差限0.001,预测值与实际值近似呈线性关系,训练、测试阶段决定系数分别为0.9992、0.9967,相关性较高,模型预测值和验证值亦不存在显著差异.因此小波神经网络预测模型对多相动态环境下油气集输管道腐蚀速率具有良好的预测能力.