基于KPCA-CS-SVM的埋地管道外腐蚀速率预测研究.pdfVIP

HotWorkingTechnology2022,Vol.51,No.16

基于KPCA-CS-SVM的埋地管道

外腐蚀速率预测研究

黄港港，周阳，闫骁瑾，王寿喜

(西安石油大学石油工程学院，陕西西安710065)

摘要：针对埋地管道外腐蚀速率预测问题，首先对影响埋地管道外腐蚀速率的相关因素进行简单分析，在此基础

上，对KPCA算法(核主成分分析算法)、CS算法（布谷鸟算法)以及SVM算法(支持向量机算法)进行原理介绍，阐述

KPCA-CS-SVM算法的构建方法，使用KPCA-CS-SVM模型对实际管道的62组管道外腐蚀速率数据及腐蚀影响因素

数据进行学习，对12组数据进行预测和验证，并与KPCA-PSO-SVM模型、KPCA-GA-SVM模型以及KPCA-LS-SVM

模型进行对比，以此验证本次研究所提模型的先进性。结果表明：KPCA算法能有效的降低腐蚀速率预测影响因素的维

度，通过使用KPCA算法对外腐蚀速率的影响因素进行分析可以发现，土壤的氧化还原电位、土壤电阻率以及土壤中

的氧含量对于埋地管道外腐蚀速率的影响最大；使用KPCA-CS-SVM模型对管道外腐蚀速率预测的平均绝对误差仅

有1.89%,决定系数为0.9993，模型训练时间仅为4.928s这3项数据均优于其它模型。研究证明，对于埋地管道外腐蚀

速率预测而言，KPCA-CS-SVM模型是一种较为优越的算法，可得到推广和应用。

关键词：KPCA-CS-SVM模型；埋地管道；外腐蚀；影响因素；速率预测

D0I:10.14158/ki.20212069

中图分类号：TG172文献标识码：A

ResearchonPredictionofExternalCorrosionRateofBuriedPipeline

BasedonKPCA-CS-SVM

HUANGGanggang,ZHOUYang,YANXiaojin,WANGShouxi

(DepartmentofPetroleumEngineering,XianShiyouUniversity,Xian710065,China)

Abstract:Forthepredictionoftheexternalcorrosionrateofburiedpipelines,firstofall,asimpleanalysisoftherelevant

factorsthataffecttheexternalcorrosionrateofburiedpipelines,onthisbasis,theKPCAalgorithm(coreprincipalcomponent

analysisalgorithm),CSalgorithm(Cuckooalgorithm)andtheSVMalgorithm(supportvectormachinealgorithm)were

introduced,theconstructionmethodoftheKPCA-CS-SVMalgorithmwasexplained,andtheKPCA-CS-SVMmodelwas

usedtolearntheexternalcorrosionratedataandcorrosioninfluencingfactordataof62setsofpipelinesoftheactualpipeline.

12setsofdatawerepredictedandverified,andcomparedwithKPCA-PSO-SVMmodel,KPCA-GA-SVMmodeland