科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对加热输油管道仿真中管道内油流温度和压力变化,本文基于神经网络算法,利用管道数据采集与监控（SCADA）系统获取的500组历史运行数据,建立了管道沿线温度和压力的预测模型.提出的预测模型采用混沌粒子群改进的RBF（CPSO-RBF）神经网络算法.对RBF神经网络的参数（中心和宽度）、连接权重进行优化,通过与其他方法对比可知提出的CPSO-RBF预测模型具有精度高、收敛快等特点.在日照-仪征热油管道实际运行方案中验证了提出的CPSO-RBF预测模型的可行性.
-
单位天津大学; 精密测试技术及仪器国家重点实验室; 中国石油化工股份有限公司管道储运分公司
