西南石油大学学报（自然科学版）
西南石油大學學報（自然科學版）
서남석유대학학보（자연과학판）
JOURNAL OF SOUTHWEST PETROLEUM UNIVERSITY(SEIENCE & TECHNOLOGY EDITION)
2013年
3期
160-167
,共8页
孙宝财%武建文%李雷%佘志刚
孫寶財%武建文%李雷%佘誌剛
손보재%무건문%리뢰%사지강
遗传算法%神经网络%GA-BP(L-M)网络%油气管道%剩余强度
遺傳算法%神經網絡%GA-BP(L-M)網絡%油氣管道%剩餘彊度
유전산법%신경망락%GA-BP(L-M)망락%유기관도%잉여강도
genetic algorithm%neural network%GA-BP(L-M)network%oil and gas pipeline%remaining strength
利用人工神经网络能够逼近任意复杂函数的特性，可对在役油气管道的腐蚀剩余强度进行预测，但其缺点在于人工神经网络的权值和阈值的初始化分配具有随机性且只是一种局部优化算法，收敛过程中容易出现局部极小解。引入遗传算法的全局搜索特性和不依赖于梯度信息特性，对采用Levenberg-Marquardt（L-M）算法的BP神经网络的权值和阈值进行优化，并结合由敏感性分析确定的油气管道失效压力的影响因素，建立GA-BP（L-M）网络预测模型。采用Modified ASME B31G计算出的样本数据训练网络并进行预测。预测结果表明，GA-BP（L-M）网络预测模型可以相对更好地预测油气管道的失效压力，在满足工程需要的前提下，是一种更加科学、准确的预测模型。
利用人工神經網絡能夠逼近任意複雜函數的特性，可對在役油氣管道的腐蝕剩餘彊度進行預測，但其缺點在于人工神經網絡的權值和閾值的初始化分配具有隨機性且隻是一種跼部優化算法，收斂過程中容易齣現跼部極小解。引入遺傳算法的全跼搜索特性和不依賴于梯度信息特性，對採用Levenberg-Marquardt（L-M）算法的BP神經網絡的權值和閾值進行優化，併結閤由敏感性分析確定的油氣管道失效壓力的影響因素，建立GA-BP（L-M）網絡預測模型。採用Modified ASME B31G計算齣的樣本數據訓練網絡併進行預測。預測結果錶明，GA-BP（L-M）網絡預測模型可以相對更好地預測油氣管道的失效壓力，在滿足工程需要的前提下，是一種更加科學、準確的預測模型。
이용인공신경망락능구핍근임의복잡함수적특성，가대재역유기관도적부식잉여강도진행예측，단기결점재우인공신경망락적권치화역치적초시화분배구유수궤성차지시일충국부우화산법，수렴과정중용역출현국부겁소해。인입유전산법적전국수색특성화불의뢰우제도신식특성，대채용Levenberg-Marquardt（L-M）산법적BP신경망락적권치화역치진행우화，병결합유민감성분석학정적유기관도실효압력적영향인소，건립GA-BP（L-M）망락예측모형。채용Modified ASME B31G계산출적양본수거훈련망락병진행예측。예측결과표명，GA-BP（L-M）망락예측모형가이상대경호지예측유기관도적실효압력，재만족공정수요적전제하，시일충경가과학、준학적예측모형。
10.3863/j.issn.1674-5086.2013.03.023
