基于Lasso-PSO-BP神经网络的腐蚀管道失效压力的预测

作者：张新生^*; 张玥

来源：材料保护, 2020, 53(04): 46-52.

DOI：10.16577/j.cnki.42-1215/tb.2020.04.008

• 管道腐蚀
• 失效压力
• Lasso回归
• 粒子群算法(PSO)
• BP神经网络
• 预测

管道是运输石油和天然气的重要工具,随着其腐蚀现象愈发严重,必须对腐蚀管道的失效压力进行预测。针对如何精确预测腐蚀管道失效压力的问题,提出一种Lasso-PSO-BP模型。首先,结合收集的腐蚀管道爆破试验数据,利用Lasso回归筛选出失效压力影响因素,确定BP神经网络的输入变量;然后,用粒子群算法(PSO)优化反向传播(BP)神经网络初始权值阈值;最后,将优化训练后的BP神经网络用于管道失效压力的预测。通过实例验证,对比分析2种模型的拟合效果,结果表明:相较Lasso-BP预测模型,Lasso-PSO-BP预测模型的平均误差(AE)从0.102 5减小到0.030 1,均方根误差(RMSE)由1.174 3减小到0.297 2,其各项指标都优于Lasso-BP模型,证明此方法具有较高的准确率,显示了PSO-BP神经网络模型更优的拟合度与预测精度,适用于腐蚀管道失效压力的预测。

• 单位
  西安建筑科技大学