典型文献
基于ASO-BP神经网络的海底油气管道腐蚀速率预测
文献摘要：
随着我国海洋油气管网的发展与建设,管道数据采集量随之增大,优秀的预测模型可以应对大量数据,准确预测管道腐蚀速率,对保障管道安全健康运行具有重大意义.将原子搜索优化算法(ASO)思想引入BP(Back propagation)神经网络,构建ASO-BP神经网络用于海底油气管道腐蚀速率的预测.以50组现场数据为例,使用Matlab进行模拟仿真计算,分别构建具有代表性的BP、GA-BP和ACO-BP模型作为对比,对海底油气管道腐蚀速率数据进行训练和预测,结果表明ASO-BP模型预测精度较高,其平均绝对百分比误差(MAPE)为3.16％,预测结果优于BP、GA-BP和ACO-BP,验证了其可靠性以及良好的预测性能,为海底管道腐蚀速率预测研究提供了新的方法和思路.
文献关键词：
海底油气管道;腐蚀速率;原子搜索优化算法;BP神经网络;预测精度
中图分类号：
作者姓名：
肖荣鸽;王栋;王勤学
作者机构：
西安石油大学陕西省油气田特种增产技术重点实验室,西安石油大学石油工程学院,西安710065
文献出处：
引用格式：
[1]肖荣鸽;王栋;王勤学-.基于ASO-BP神经网络的海底油气管道腐蚀速率预测)[J].化学工业与工程,2022(06):109-116
A类：
B类：
ASO,海底油气管道,管道腐蚀,腐蚀速率预测,海洋油气,油气管网,发展与建设,道数,准确预测,管道安全,安全健康,健康运行,原子搜索优化算法,Back,propagation,现场数据,Matlab,模拟仿真,仿真计算,GA,ACO,平均绝对百分比误差,MAPE,预测性能,海底管道,预测研究,方法和思路
AB值：
0.254572
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
