基于IFA-BPNN的长输管道外腐蚀速率预测

作者：凌晓; 徐鲁帅; 高甲程; 马娟娟; 马贺清; 付小华

来源：表面技术, 2021, 50(04): 285-293.

DOI：10.16490/j.cnki.issn.1001-3660.2021.04.029

• 萤火虫算法
• BP神经网络
• 混沌初始化
• 惯性权重
• 管道
• 腐蚀速率预测

目的构建陆地长输管道外腐蚀速率的预测模型,提升管道外腐蚀速率预测的精度,对长输管道外腐蚀状态进行准确把控。方法深入解析了萤火虫算法(FA)的工作原理,针对FA易出现陷入局部最优或因控制参数设置不合适而导致函数无法收敛等问题,提出了FA的改进方案:采用Logistics混沌映射的方法初始化萤火虫的位置,提升萤火虫种群的所养性;引入一种新的惯性权重计算方法来改进萤火虫位置移动公式,提升FA全局寻优能力。利用改进的萤火虫算法(IFA)对误差反向传播神经网络(BPNN)初始权值和阈值进行优化,建立基于IFA-BPNN的长输管道外腐蚀速率预测模型。以111组长输管道外腐蚀检测数据为例,在MATLAB中进行模拟仿真计算,使用粒子群算法优化的BPNN(PSO-BPNN)、遗传算法优化的BPNN(GA-BPNN)以及未进行优化的BPNN作为对比模型进行对比分析。结果使用IFA优化BPNN,大幅提升了BPNN模型的预测精度。使用IFA-BPNN模型预测12组管道腐蚀速率,平均相对误差仅为5.94%,预测结果的R2为0.99595,均优于BPNN、PSO-BPNN以及GA-BPNN模型的预测结果。结论 IFA-BPNN作为预测管道腐蚀速率工具具有较好的预测精度和鲁棒性。

• 单位
  中国石油天然气股份有限公司; 兰州理工大学