0 前 言

目前， 我國管道建設正在向大直徑、 高強度、高鋼級的方向發(fā)展， 其中腐蝕是造成管道穿孔的主要因素。 為保證管道的安全運行， 需要對腐蝕管道的剩余強度進行計算和評價

。 國外學者對管道剩余強度的研究較早， Kiefner 基于斷裂力學提出了NG-18 計算公式， 并采用水壓爆破試驗進行修正， 但計算精度較差

； ASME 在此基礎(chǔ)上通過修正缺陷投影面積、 流變應力和當量長度系數(shù)等， 提出了ASME B31G 公式， 最新版本為2009，但該公式主要適用于X52 鋼級以下的中低強度鋼

；挪威船級社提出了DNV-RP-F101 計算方法， 該公式適用于X80 鋼級以下的鋼材； 美國Battle 實驗室提出了PRORRC 計算方法， 該公式適用于X52～X70 中高強度鋼； Xu

、 Wang

等人通過有限元分析， 依據(jù)Von Mises 等效應力準則計算剩余強度， 計算方法較為準確， 但有限元分析需建模、網(wǎng)格劃分等步驟， 操作過于繁瑣。 因此， 盡管以上方法對于評價管道剩余強度具有一定作用， 但計算結(jié)果趨于保守且無法完全適用不同強度的鋼材， 而有限元分析步驟過于繁瑣， 易在制定管道運行策略時過早采取降壓運行或換管使用。 基于此， 在人工智能、 機器學習的環(huán)境下， 通過廣義回歸神經(jīng)網(wǎng)絡 （GRNN） 對腐蝕管道剩余強度進行有效預測， 采用改進的布谷鳥搜索算法（ICS）對光滑因子進行尋優(yōu)， 建立基于ICS-GRNN 的管道剩余強度預測模型， 并與其他模型進行對比，驗證預測結(jié)果的可靠性， 以期為確定腐蝕管道服役壽命和服役狀態(tài)提供參考。

840 Digital whole slide helps artificial intelligence in pathological imaging strategies

1 基于ICS-GRNN 的管道模型

1.1 GRNN

GRNN 是由美國學者Specht 提出的基于非線性回歸理論的前饋型神經(jīng)網(wǎng)絡， 屬于徑向基神經(jīng)網(wǎng)絡的一個分支。 GRNN 以樣本數(shù)據(jù)為后驗條件， 通過執(zhí)行Parzen 非參數(shù)估計， 參照最大概率原則進行網(wǎng)絡輸出， 具有訓練速度快、 全局收斂快、 非線性逼近能力強等特點， 在結(jié)構(gòu)上分為輸入層、 模式層、 求和層和輸出層。

（1） 輸入層： 輸入層神經(jīng)元的個數(shù)與輸入樣本的向量維數(shù)M 相等， 神經(jīng)元將輸入樣本通過線性函數(shù)傳遞給模式層。

（2） 模式層： 模式層神經(jīng)元的個數(shù)與輸入樣本的數(shù)量n 相等， 各神經(jīng)元對應不同的樣本， 第i 個神經(jīng)元的傳遞函數(shù)P

為

（4） 輸出層： 該層神經(jīng)元的個數(shù)與輸出樣本的向量維數(shù)k 相等， 將兩類求和層的神經(jīng)元相除得到輸出層神經(jīng)元的輸出為

經(jīng)研究表明， 影響腐蝕管道剩余強度的因素主要是管材和缺陷特征。 其中管材特征包括鋼級、 管徑、 壁厚、 屈服強度、 抗拉強度； 缺陷特征包括缺陷形狀、 缺陷長度、 缺陷寬度和缺陷深度。 在其他條件一致的情況下， 管道鋼級越高，剩余強度越大。 管徑越大， 剩余強度越??； 壁厚越大， 剩余強度越大； 屈服強度和抗拉強度對管道剩余強度的影響結(jié)果基本一致， 兩者均通過流變應力影響剩余強度。 通常情況下， 鋼級越高，屈服強度和抗拉強度就越大， 剩余強度也越大。常見的腐蝕缺陷形狀有矩形、 圓形、 槽形和不規(guī)則形狀， 不同形狀的缺陷尺寸有所不同。 缺陷長度、 缺陷寬度和缺陷深度與剩余強度呈負相關(guān)，其中缺陷深度對剩余強度的影響最大， 而缺陷寬度的影響最小。

Levy （λ） ——Levy 隨機搜索方式。采用Levy 飛行機制， 其行走步長滿足重尾的穩(wěn)定分布。 基本算法是按照公式 （5） 對寄生巢位置進行更新， 并計算目標函數(shù)適應度， 如該值優(yōu)于上一次的目標值， 則更新鳥巢位置； 位置更新后， 采用隨機生成的數(shù)值與P

比較， 并對鳥巢位置進行隨機更改； 最后， 保留適應度最好的鳥巢位置， 結(jié)束迭代過程， 輸出全局最優(yōu)值。

1.2 布谷鳥搜索算法（ICS）

顯然，除了履行工商經(jīng)濟類、公益慈善類、社會福利類、社會服務類這“四大類”職能的社會組織，其他類別的社會組織就難以得到此優(yōu)待?？傮w上看來，民辦非企業(yè)單位很多都屬于這些類別關(guān)照的范圍；盡管如此，在現(xiàn)實當中，屬于“四大類”的社會組織也有不少在登記管理環(huán)節(jié)依然面臨著棘手難題；例如對人數(shù)和辦公場所的限制，很多規(guī)模有限、資源緊張的組織可能依然達不到登記門檻的要求。而且，面臨這一問題的組織還不在少數(shù)。也就是說，文件規(guī)定的門檻雖然在降低，但是離大部分民辦非企業(yè)單位的實際需求仍有一定距離。

?——點對點乘積；

式中： a——步長控制量；

回屋后，我到灶膛刮了半瓢鍋底灰，抓一把捂在桂生還在滴血的耳朵上，扯了塊兒棉布把他半個臉都包起了。大梁把瓢接過去，鍋底灰剛?cè)錾习ⅫS的傷口，很快就被鮮血洇濕了。我把桂生料理困了，就來陪阿黃。它躺在我的腳邊，眼睛閉著，一個勁兒打寒戰(zhàn)。到后半夜，阿黃冇打寒戰(zhàn)了，只是隔一刻就抽搐一下。它終究還是冇能熬到天明！五更天雞叫頭遍，我看到阿黃好久都冇動靜，摸了摸它的身子，冰冰涼的——可憐的阿黃，就這樣無聲無息地，匆匆走完了它短暫又卑微的一生！

傳統(tǒng)的CS 算法中a 值取1， P

取固定值，易陷入局部最優(yōu)解。 為加強算法的局部搜索和自適應能力， 引入反余弦函數(shù)對CS 算法進行改進， 形成ICS 算法， 公式如下

達瑞礦業(yè)(PT Dairi Prima Mineral)是布密資源的全資子公司，其主要資產(chǎn)是印尼達瑞鉛鋅礦。股權(quán)交割完成后，中色股份持有達瑞礦業(yè)51%的股份。

1.3 ICS-GRNN 的管道剩余強度預測模型

將樣本數(shù)據(jù)按照80%和20%的比例分為訓練集和測試集， 將訓練集進行歸一化處理后輸入GRNN 進行預測， 選擇平均相對變動值 （ARV）為適應度函數(shù)， 采用ICS 算法對光滑因子尋優(yōu)，通過不斷更新GRNN 的權(quán)值和閾值， 得到最優(yōu)GRNN 模型， 將測試集代入優(yōu)化模型， 輸出預測值， 分析驗證結(jié)果的準確性和可行性， 預測流程如圖1 所示。 適應度函數(shù)為

以上兩個指標值越小， 模型的預測精度越高， 當MAPE 值高于5%時， 說明預測結(jié)果不可靠； Theil IC 數(shù)值在0～1 之間， 數(shù)值越小代表模型的魯棒性越好。

2 實例應用

2.1 指標體系構(gòu)建與數(shù)據(jù)來源

在GRNN 回歸的過程中， 只需要確定一個超參數(shù)δ。 目前， δ 的選取主要依靠人工試算，隨意性較強， 在此采用ICS 算法對其進行尋優(yōu)。

采用Matlab 對模型進行編程， 將非數(shù)字型的數(shù)據(jù)轉(zhuǎn)化為數(shù)字型， 如將X42 鋼級定義為1，X46 鋼級定義為2， 依次類推； 同理， 將缺陷形狀中的矩形定義為1， 圓形定義為2， 槽型定義為3， 不規(guī)則形狀定義為4。 隨機抽取10 組數(shù)據(jù)，分別定義光滑因子δ 為0.1、 0.2、 0.3、 0.4 和0.5，GRNN 的模型結(jié)構(gòu)為（8， 10， 10， 1）， 預測結(jié)果的絕對誤差如圖2 所示。 通過圖2 可以看出GRNN 的預測結(jié)果并不穩(wěn)定， δ 的取值對其影響較大， 因此需要采用ICS 算法對δ 進行尋優(yōu)。

為提高預測效果的準確性， 選擇真實的水壓爆破試驗數(shù)據(jù)， 從文獻[8-12]中選取79 組數(shù)據(jù)，該數(shù)據(jù)涵蓋了鋼級在X42～X100 范圍內(nèi)所有常見的管道類型， 將數(shù)據(jù)分為兩組， 64 組為訓練集，15 組為測試集。

布谷鳥搜索算法 （ICS） 源于布谷鳥的繁育行為， 屬于新興啟發(fā)算法。 假設布谷鳥的產(chǎn)卵行為滿足以下三個理想狀態(tài)： ①布谷鳥每次只產(chǎn)一個卵， 并隨機選擇寄生巢來孵化它； ②隨機選擇一組寄生巢， 并將最好的寄生巢保留至下一代；③寄生巢的數(shù)量是固定的， 當寄主發(fā)現(xiàn)外來鳥蛋后， 寄主可選擇消滅該蛋或拋棄該寄生巢。 設布谷鳥蛋被寄主發(fā)現(xiàn)的概率為P

= [0， 1]， 第z 個寄生巢在第t 次迭代中的位置為x

， 則第t+1 次迭代的更新方式為

2.2 剩余強度預測結(jié)果

綜上所述， 選擇管道鋼級、 管徑、 壁厚、 屈服強度、 缺陷形狀、 缺陷長度、 缺陷寬度和缺陷深度等8 個因素作為剩余強度的主要影響因素，因抗拉強度與管道鋼級和屈服強度相關(guān)性較大，故予以剔除。

（2）涔天河水庫擴建工程的建設符合國家產(chǎn)業(yè)政策，符合地方的發(fā)展規(guī)劃，工程建設具有較大的經(jīng)濟效益、社會效益。庫區(qū)的建設為當?shù)剞r(nóng)民脫貧致富創(chuàng)造條件。水庫擴建通過移民開發(fā)式扶貧，移民生活水平能得到恢復并有所提高，解決了庫區(qū)近3萬農(nóng)民脫貧致富問題，經(jīng)濟社會效益顯著[6]。

設置ICS 算法的P

和P

分別為0.1、 0.5，a

和a

分別為0.5、 1， 種群個數(shù)為50， 最大迭代次數(shù)為200 次。 為驗證ICS 算法的優(yōu)越性， 將其與標準的CS 算法進行對比， 設置P

為0.5、 a 為1 時， ICS 和CS 算法的迭代結(jié)果如圖3 所示。 隨著迭代次數(shù)的增加， ICS 的迭代速度更快， 整體誤差和波動與CS 算法相比更小， 采用ICS 算法迭代47 次后達到收斂條件， 此時δ 取值為0.647 5，而采用CS 算法在迭代135 次后達到收斂條件，因此ICS 算法較CS 算法提前了88 次。

在譯介的俄蘇文學中，有不少關(guān)于俄蘇戰(zhàn)爭題材的文學作品及論文，其中頌揚社會主義革命及傳遞戰(zhàn)斗精神是主流。這對戰(zhàn)時響應時代要求及在國統(tǒng)區(qū)傳播社會主義思想意義重大。細讀戰(zhàn)時文學期刊上刊發(fā)的重要文章，可概括為以下兩方面的內(nèi)容。

為分析ICS-GRNN 模型的準確性， 將預測結(jié)果進行反歸一化處理， 并與ASME B31G、BP 模型、 PSO-GRNN 模型的計算結(jié)果進行對比， 各類模型的預測結(jié)果如圖4 所示， 預測數(shù)值見表1， 殘差如圖5 所示， 模型性能評價見表2。 分析發(fā)現(xiàn)， 大部分ASME B31G 的評價結(jié)果均比真實值小， 且殘差波動最大， 說明ASME B31G 的評價結(jié)果存在一定保守性， 如按照該結(jié)果指導生產(chǎn)， 會過早地更換管道； 其他三種模型中， ICS-GRNN 模型預測結(jié)果的殘差波動最小， 基本在0 值附近波動， 而BP 模型、PSO-GRNN 模型的殘差波動較大， 說明ICSGRNN 模型的預測精度和魯棒性較好。 從表2可知， ICS-GRNN 模型的平均相對誤差和希爾不等系數(shù)均最小， 分別為1.92%和0.43， 與BP模型相比， GRNN 模型屬于連續(xù)函數(shù)的最佳逼近， 可以以任意精度逼近任意非線性函數(shù)， 而BP 模型因采用的Sigmoid 激活函數(shù)具有全局特性， 輸入樣本在很大范圍內(nèi)對輸出樣本產(chǎn)生影響， 導致BP 模型的訓練效果較差， 同時訓練時間較長； 與PSO-GRNN 比較， ICS 算法對光滑因子的尋優(yōu)效果更好， 迭代速度更快。

3 結(jié) 論

（1） 利用反余弦函數(shù)優(yōu)化后的ICS 算法比CS算法的迭代速度更快， 整體誤差更小， 可更快更好地對光滑因子進行尋優(yōu)。

（2） ICS-GRNN 模型的平均相對誤差和希爾不等系數(shù)均最小， 分別為1.92%和0.43， 與其他模型相比， 預測精度和魯棒性最好， 預測時間最短。

[1] 柴強飛，肖忠東，高竟喆，等. 基于尖錐網(wǎng)絡分析法的管道風險評價研究[J]. 中國安全科學學報，2017，27（7）：88-93.

[2] 駱正山，袁宏偉.基于誤差補償?shù)腉M-RBF 海底管道腐蝕預測模型[J]. 中國安全科學學報，2018，28（3）：96-101.

[3] 陳兆雄，吳明，謝飛，等. 腐蝕管道剩余強度的評價方法及剩余壽命預測[J]. 機械工程材料，2015，39（5）：97-101.

[4] MA B，SHUAI J，WANG J，et al. Analysis on the latest assessment criteria of ASME B31G—2009 for the remaining strength of corroded pipelines [J]. Journal of Failure Analysis& Prevention，2011，11（6）：666-671.

[5] 馬彬，帥健，李曉魁，等. 新版ASME B31G—2009 管道剩余強度評價標準先進性分析[J]. 天然氣工業(yè)，2011，31（8）：112-115.

[6] XU L Y，CHENG Y F. Reliability and failure pressure prediction of various grades of pipeline steel in the presence of corrosion defects and pre-strain[J].International Journal of Pressure Vessels&Piping，2012，89（1）：75-84.

[7] WANG N，ZARGHAMEE M S. Evaluating Fitness for Service of Corroded Metal Pipelines：Structural Reliability Bases[J].Journal of Pipeline Systems Engineering&Practice，2014，5（1）：1-9.

[8] MA B，SHUAI J，LIU D，et al. Assessment on failure pressure of high strength pipeline with corrosion defects[J].Engineering Failure Analysis，2013，32（9）：209-219.

[9] FREIRE J L F，VIEURA R D，CASTRO J T P，et al.PART 3：Burst Tests of Pipeline With Extensive Longitudinal Metal Loss[J]. Experimental Techniques，2006，30（6）：60-65.

[10] CRONIN D S，PICK R J. Experimental database for corroded pipe：Evaluation of RSTRENG and B31G[C]//International Pipeline Conference. Calgary，Canada：IPC，2010.

[11] BENJAMIN A C，VIEIRA R D，F(xiàn)REIRE J L F，et al.Burst tests on pipeline with long external corrosion [C]//International Pipeline Conference. Calgary，Canada：IPC，2010.

[12] SOUZA R D，BENJAMIN A C，VIEIRA R D，et al. PART 4：Rupture tests of pipeline segments containing long real corrosion defects [J].Experimental Techniques，2007，31（1）：46-51.