典型文献
基于PCA-IBAS-ELM的海底多相流管道内腐蚀速率预测
文献摘要：
海底多相流管道运输介质中油、气、水共存,极易发生化学反应引发一系列腐蚀问题.为预测其腐蚀速率,对管内腐蚀机理及影响因素进行分析,提出基于主成分分析法(principal component analysis,PCA)和改进甲虫天牛须算法(improve bee-tle antennae search,IBAS)的极限学习机(extreme learning machine,ELM)预测模型.PCA筛选腐蚀因素,降低预测模型的输入指标维数,IBAS优化ELM的关键性能指标——输入权值及隐层阈值,提升预测精度.为检验模型效能,以中国海南东部某海底油气管道50组数据为例进行研究,并与其他两种模型对比分析.结果表明:温度、pH、流体流速和CO2分压是影响该类型管道腐蚀的关键因素,PCA-IBAS-ELM预测结果与实际值拟合度更高,其均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute deviation,MAE)和平均绝对百分误差(mean absolute percentage error,MAPE)均小于比较模型.可见构建模型对于海底多相流管道内腐蚀速率预测具有优越性.
文献关键词：
海底多相流管道;内腐蚀速率预测;主成分分析(PCA);改进甲虫天牛须算法(IBAS);极限学习机(ELM)
中图分类号：
作者姓名：
骆正山;李蕾
作者机构：
西安建筑科技大学管理学院,西安710055
文献出处：
引用格式：
[1]骆正山;李蕾-.基于PCA-IBAS-ELM的海底多相流管道内腐蚀速率预测)[J].科学技术与工程,2022(22):9566-9573
A类：
海底多相流管道,内腐蚀速率预测,内腐蚀机理
B类：
IBAS,ELM,管道运输,中油,生化学,化学反应,腐蚀问题,principal,component,analysis,甲虫,天牛须算法,improve,bee,tle,antennae,search,极限学习机,extreme,learning,machine,腐蚀因素,关键性能指标,权值,检验模型,中国海,海底油气管道,模型对比分析,型管,管道腐蚀,拟合度,root,mean,square,error,RMSE,平均绝对误差,absolute,deviation,MAE,percentage,MAPE,比较模型,构建模型
AB值：
0.277561
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。
