神经网络技术在储运工程中的应用综述.pdfVIP

维普资讯 第22卷第4期 天 然 气 与 石 油 Vd．22，No，4 2004年 12月 NaturaiGasAndOii Dec．20O4 文章编号：1006—5539(2004)04—0008—04 神经网络技术在储逼工程中的应用综述 段善宁，汪玉春 (西南石油学院，四川成都610500) 摘 要：人工神经网络是近年来得到迅速发展的一种算法，在各个领域已经得到了广泛的 应用。针对储运工程，介绍了多层感知器网络、径向基网络和小波网络在管道智能检测数据分 析识别中应用，前向神经网络在管道综合可靠度决策评价中应用，基于自适应反馈预测模型和 自适应函数连接预测模型的天然气消费预测以及Hopfield神经网络在管线优化设计中的应 用。可以看出，神经网络必将成为解决储运工程问题的有力工具，对突破现有技术的瓶颈，更 深入地探索非线性等复杂现象将起到重大作用。 关键词：神经网络；石油天然气管道；分析识别；决策评价，预测，优化设计 中图分类号：TE832．2：TP183 文献标识码 ：A 分为三步进行 J。第一步通过一个多层感知器将 0 引言 采集数据中的管道部件识别出来，即从检测数据中 的异常信号中排除属于管道部件所致的信息；第二 人工神经网络(ArtificialNeuralNetwOrk 步，对于其它剩余的信号进行补偿处理，以排除由于 ANN)是近年来得到迅速发展的一个前沿课题，是 探头检测速度和管壁厚度变化等外部因素引起的误 生物神经元特性及功能的数学抽象，通常指由大量 差；第三步，对补偿处理后的数据进行分析，生成管 简单神经元互联而构成的一种计算结构，在某种程 道缺陷的三维图像，形象直观地描述缺陷的几何特 度上可以模拟生物神经系统的工作过程，从而具备 解决实际问题的能力u-2J。 征。 在储运工程研究中，其问题一般都具有规模大、 该方法牵涉到多层感知器网络 (Multi—Layer 试验数据少且是非线性的特点。用常规方法处理， Perception——MLP)、径 向基 网络 (RadialBasis 求解难度大，处理效果也难以达到预定的要求。因 Function— RBF)和 小 波 网络 (WaveletBasis 此，将人工神经网络引入储运工程的研究，提供了新 Function— wBF)三种神经网络技术。MLP神经 的解决问题途径，并显著降低问题研究难度。据此， 网络用于对原始漏磁数据进行预处理，将采集的数 本文将从管道智能检测中数据分析识别、管道综合 据分成相应等级。因为漏磁信号受到多种因素影 可靠度中的决策评价、天然气消费的预测以及管线 响，在对信号数据进行补偿时采用RBF神经网络来 优化设计几方面介绍神经网络在储运工程中的应 实现补插，以减少测试参数的次数。当完成信号的 用。 补偿后，就可以利用WBF神经网络生成缺陷的三 1ANN在管道检测中的数据分析识 维图像描述。WBF神经网络具有多分辨率和微波 转换的功能，并可以利用神经网络结点相关的激活 别应用