亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        改進MGM(1,1)的管道腐蝕預(yù)測模型構(gòu)建

        2022-05-17 09:01:14柏淘雨余華云宋文廣
        機械設(shè)計與制造工程 2022年4期
        關(guān)鍵詞:白化殘差粒子

        柏淘雨,余華云,宋文廣

        (長江大學(xué)計算機科學(xué)學(xué)院,湖北 荊州 434023)

        管道運輸具有安全可靠、連續(xù)性強的特點,在現(xiàn)代工業(yè)中扮演著舉足輕重的角色,是我國著名工程“西氣東輸”的重要組成部分。然而由于管道運輸物質(zhì)的特殊性,容易引發(fā)管道腐蝕問題,因此為了提高管道運輸?shù)陌踩裕鑼艿肋M行監(jiān)測分析。目前,我國對管道腐蝕的相關(guān)研究還處于初步探索階段,如曹方圓等[1]通過建立管道破損點極化效應(yīng)電路模型,對管道防腐層類型和土壤pH值進行分析,認(rèn)為管道腐蝕與管道防腐層類型密切相關(guān),而與土壤pH值關(guān)系較小;李正峰[2]通過調(diào)研某天然氣管線運行狀況,判斷出易發(fā)生內(nèi)腐蝕的關(guān)鍵管段,并提出相應(yīng)的防控措施,為管道腐蝕防護提供了參考;張斐等[3]通過分析管道內(nèi)沉積物細(xì)菌菌落對成品油管道的腐蝕形態(tài),研究了細(xì)菌菌落對管道腐蝕的影響。上述研究取得的成果雖然為我國管道腐蝕分析提供了依據(jù),但主要集中在通過數(shù)理統(tǒng)計分析的方式對管道腐蝕情況進行分析預(yù)測。這種方法存在兩個問題:一是統(tǒng)計管道數(shù)據(jù)和分析統(tǒng)計數(shù)據(jù)的時間較長,對短時間的分析預(yù)測準(zhǔn)確率通常較低;二是管道腐蝕影響因素較多,數(shù)據(jù)量較大,僅采用數(shù)理分析方法計算量較大,會導(dǎo)致時間成本和人力成本增加。為解決上述問題,本文通過構(gòu)建MGM(1,1)預(yù)測模型,并采用粒子群算法(particle swarm optimization,PSO)選取馬爾科夫鏈最優(yōu)白化因子,最終構(gòu)建PSO-MGM(particle swarm optimization-modified gaussian model)管道腐蝕預(yù)測模型。

        1 基本算法

        1.1 MGM(1,1)模型簡介

        (1)

        (2)

        依據(jù)式(2)的殘差確定殘差狀態(tài),并結(jié)合楊馥嫻的研究成果[6],將殘差等分為t個不同的狀態(tài)等級,每個等級的間隔相同。根據(jù)殘差的等級,可以計算某個數(shù)據(jù)列值從一個狀態(tài)到另一個狀態(tài)的概率Pi(t),其中t=1~s,s為最大等級狀態(tài)。最后,取該狀態(tài)區(qū)間的中間值為預(yù)測結(jié)果。具體表達式為:

        (3)

        1.2 PSO算法簡介

        PSO算法是一種模擬生物群集行為而提出的隨機優(yōu)化算法,其分為以下幾個步驟:

        1)初始化粒子群規(guī)模及粒子位置等參數(shù)。

        2)根據(jù)粒子適應(yīng)度值大小更新最優(yōu)個體值和全局最優(yōu)值。

        3)更新t時刻粒子i的速度vig和位置xig,其中g(shù)表示粒子i所在的維度。具體位置和速度更新公式為:

        vig(t+1)=a·vig(t)+a1·ω1(pbestig-xig(t))+a2·ω2(pbestig-xig(t))

        (4)

        xig(t+1)=xig(t)+vig(t+1)

        (5)

        (6)

        式中:ω1,ω2為(0,1)之間的隨機數(shù);a為非線性慣性因子;a1,a2為兩個不同非線性慣性因子;pbestig為粒子i在g維度的個體最佳速度。

        4)當(dāng)算法達到最大迭代次數(shù)后輸出結(jié)果,反之算法繼續(xù)。

        由上述分析可知,MGM(1,1)模型的輸出為殘差數(shù)據(jù)列區(qū)間的中間值,而該值不一定是最優(yōu)值,若要獲取最佳模型輸出,還需選取殘差數(shù)據(jù)列區(qū)間最優(yōu)值。PSO算法作為經(jīng)典優(yōu)化算法,可通過粒子尋優(yōu)找到殘差數(shù)據(jù)列區(qū)間最優(yōu)值。因此,本文結(jié)合PSO算法和MGM(1,1)模型,并根據(jù)管道腐蝕預(yù)測隨機性和模糊性大的特點,提出一種基于PSO-MGM模型的管道腐蝕預(yù)測方法。

        2 基于PSO-MGM模型的管道腐蝕預(yù)測

        本文基于PSO-MGM模型的管道腐蝕預(yù)測方法,首先構(gòu)建管道腐蝕預(yù)測MGM(1,1)模型,然后采用PSO算法選擇最優(yōu)白化因子,最后輸出白化因子對應(yīng)的殘差數(shù)據(jù)列值,并將其代入MGM(1,1)模型,即可得到預(yù)測值。具體步驟如下:

        1)初始化MGM(1,1)模型,向殘差狀態(tài)區(qū)間加入白化因子,得到第i步第j個狀態(tài)的白化表達為[5]:

        Dij=(1-λj)Lij+λjUij

        (7)

        式中:Dij為第i步第j個狀態(tài)的白化表達;λj為白化因子,取值范圍為(0,1),在MGM模型中,λj=0.5,其中j=1~h,h為粒子群數(shù);Lij和Uij為MGM(1,1)模型的參數(shù)矩陣。

        2)初始化PSO算法粒子群參數(shù),并計算所有粒子適應(yīng)度值f[7]:

        (8)

        3)分別選取粒子和粒子群的最優(yōu)個體和最優(yōu)群體。

        4)計算粒子速度vig和位置xig,當(dāng)vig和xig大于區(qū)間內(nèi)最大值(xmax和vmax)時,令xig=xmax,vig=vmax;當(dāng)vig和xig小于區(qū)間內(nèi)最小值(xmin和vmin)時,令xig=xmin,vig=vmin。

        5)當(dāng)n=n+1時,若滿足終止條件,則輸出結(jié)果,反之則返回步驟2)。

        通過以上的步驟,可以選出最優(yōu)的白化因子,然后將其代入式(9),那么可以得到PSO-MGM(1,1)預(yù)測模型,具體表達式為:

        (9)

        3 仿真分析

        3.1 仿真環(huán)境搭建

        實驗在64位Windows7操作系統(tǒng)上運行,CPU為Intel(R)Core(TM)i7-7770HQ 2.8 GHz,內(nèi)存為8 GB,采用MATLAB軟件進行仿真。

        3.2 數(shù)據(jù)來源及預(yù)處理

        實驗以某石化常壓混合原油管道為研究對象,并將收集的該管道腐蝕數(shù)據(jù)作為實驗數(shù)據(jù)。部分管道原始數(shù)據(jù)見表1。

        由表可知,管道腐蝕數(shù)據(jù)類型復(fù)雜且分布不均。為便于后續(xù)管道腐蝕分析預(yù)測,本文采用標(biāo)準(zhǔn)差法對數(shù)據(jù)進行了標(biāo)準(zhǔn)化處理。此外,為減少管道腐蝕預(yù)測過程中的計算量,還需對收集的數(shù)據(jù)進行精簡。本文采用Pearson法通過分析數(shù)據(jù)輸入與輸出變量的相關(guān)性,刪減對輸出變量影響較小的因素,達到精簡數(shù)據(jù)的目的。Pearson法的計算方法如下[8]:

        表1 部分管道原始數(shù)據(jù)

        (10)

        通過上述預(yù)處理,即可得到用于模型預(yù)測的管道腐蝕實驗數(shù)據(jù)。最后,為便于模型分析預(yù)測,實驗選用宏觀檢查腐蝕較嚴(yán)重的管道P-072作為主要研究對象。圖1為該管道2017年2月—2018年8月的腐蝕速率檢測數(shù)據(jù)。由圖1可知,該管道腐蝕速率呈上升趨勢,滿足PSO-MGM(1,1)模型輸入數(shù)據(jù)要求。

        圖1 P-072管道腐蝕速率曲線

        3.3 評價指標(biāo)

        實驗選用平均相對誤差emre、均方根誤差ermse對模型性能進行評估,其計算方法如下[9]:

        (11)

        (12)

        3.4 參數(shù)設(shè)置

        實驗將模型參數(shù)初始值設(shè)置如下:迭代次數(shù)800,粒子數(shù)量800,粒子長度4,粒子位置值取值區(qū)間為[0,1],粒子速度取值區(qū)間為[-0.01,0.01],學(xué)習(xí)因子a1=a2=2[10-11]。將初始值代入程序運算,可得白化因子λj分別為0.82,0.48,1.00,0.66。

        3.5 結(jié)果與分析

        3.5.1模型驗證

        基于上述參數(shù)設(shè)置建立PSO-MGM(1,1)模型,其預(yù)測值與真實值對比如圖2所示。由圖可知,本文所提模型預(yù)測值曲線與實際值曲線吻合程度較高,預(yù)測值和真實值平均誤差小于1%。由此說明,本文所提模型可較準(zhǔn)確預(yù)測管道腐蝕且預(yù)測精度較高。

        圖2 模型預(yù)測結(jié)果

        3.5.2模型對比

        將本文所提的PSO-MGM(1,1)模型與傳統(tǒng)預(yù)測模型進行對比,結(jié)果如圖3所示。由圖3可知,本文所提的PSO-MGM(1,1)模型與實際腐蝕速率的吻合程度較高。由此說明,本文所提模型PSO-MGM(1,1)與MGM(1,1)模型可較為理想地反映管道腐蝕發(fā)育情況,具有較高的預(yù)測精度。

        圖3 不同模型預(yù)測結(jié)果與實際值比較

        圖4所示為三種模型在預(yù)測過程中的誤差分布情況。由圖可知,隨著管道腐蝕速度增加,標(biāo)準(zhǔn)GM(1,1)模型誤差逐漸增大,最大誤差超過-0.016 mm/a,PSO-MGM(1,1)與MGM(1,1)模型誤差在(-0.002,0.002) mm/a波動。

        圖4 不同模型誤差分布

        表2為PSO-MGM(1,1)、MGM(1,1)、GM(1,1)模型的預(yù)測結(jié)果對比。由表可知,3種模型的平均相對誤差均小于10%,滿足預(yù)測精度需求;本文所提PSO-MGM(1,1)模型的平均相對誤差最小,為1.96%。由此說明,本文所提模型預(yù)測精度更高,相較于MGM(1,1)和GM(1,1),更適用于管道腐蝕預(yù)測。

        表2 不同模型預(yù)測結(jié)果對比

        為進一步驗證PSO-MGM(1,1)模型的優(yōu)越性,對比現(xiàn)有管道腐蝕預(yù)測準(zhǔn)確率較高的PCA-GA-BP模型在P-072管道腐蝕速率的預(yù)測效果,結(jié)果見表3。由表3可知,PSO-MGM(1,1)模型的平均相對誤差更小,分析其原因,發(fā)現(xiàn)PCA-GA-BP模型更適合對成套裝置的所有管道腐蝕速度進行預(yù)測,而PSO-MGM(1,1)模型則是更適合對單一管道腐蝕速度進行預(yù)測,因此針對本次實驗選用的P-072單一管道腐蝕速度進行預(yù)測,PSO-MGM(1,1)模型更具優(yōu)勢。

        表3 不同模型預(yù)測結(jié)果對比

        表4為PSO-MGM(1,1)模型與PCA-GA-BP模型對所有管道腐蝕速率預(yù)測結(jié)果。由表4可知,當(dāng)對成套裝置所有管道進行預(yù)測時,相較于PCA-GA-BP模型,PSO-MGM(1,1)模型的平均相對誤差更大,進一步證明了上述結(jié)論。綜合來看,本文所提PSO-MGM(1,1)模型更適用于單一管道腐蝕預(yù)測,可對管道腐蝕發(fā)育情況進行具體預(yù)測。

        表4 不同模型預(yù)測結(jié)果

        4 結(jié)束語

        綜上所述,本文構(gòu)建的PSO-MGM管道腐蝕預(yù)測模型,通過選用MGM(1,1)為預(yù)測模型,并采用PSO算法選出模型最優(yōu)白化因子,提高了管道腐蝕預(yù)測準(zhǔn)確率,預(yù)測值與實際值擬合效果良好,可較為理想地反映管道腐蝕發(fā)育情況,具有良好的預(yù)測精度。本文雖對管道腐蝕預(yù)測進行了相關(guān)研究,但仍存在諸多不足,后續(xù)還應(yīng)從以下方面進行改進:管道腐蝕數(shù)據(jù)采集上,本文僅采用某石化常壓管道腐蝕檢查數(shù)據(jù),數(shù)據(jù)量不夠大,今后研究中應(yīng)收集更多管道腐蝕數(shù)據(jù);本文僅對管道腐蝕速度進行了預(yù)測,為實現(xiàn)對管道腐蝕更準(zhǔn)確的評價,提高其實用性,后續(xù)研究中應(yīng)結(jié)合基于風(fēng)險的檢驗對管道腐蝕進行定量分析。

        猜你喜歡
        白化殘差粒子
        基于雙向GRU與殘差擬合的車輛跟馳建模
        基于殘差學(xué)習(xí)的自適應(yīng)無人機目標(biāo)跟蹤算法
        白化黃喉擬水龜人工培育研究①
        最嚴(yán)重白化
        基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
        基于粒子群優(yōu)化的橋式起重機模糊PID控制
        基于粒子群優(yōu)化極點配置的空燃比輸出反饋控制
        白化茶種質(zhì)資源分類研究
        茶葉(2015年3期)2015-12-13 06:31:06
        平穩(wěn)自相關(guān)過程的殘差累積和控制圖
        河南科技(2015年8期)2015-03-11 16:23:52
        白化和紫化茶種質(zhì)資源開發(fā)進展
        国产精品麻豆成人av电影艾秋| 中文字幕人乱码中文字幕乱码在线 | 亚洲一区爱区精品无码| 五月天无码| 一区二区三区观看视频在线| 18禁止看的免费污网站| 开心激情视频亚洲老熟女| 特级做a爰片毛片免费看| 亚洲精品国偷自产在线99正片| 国产主播无套内射一区| 亚洲人妻御姐中文字幕| 小雪好紧好滑好湿好爽视频| 亚洲欧美日韩中文在线制服| 丝袜美腿网站一区二区| 久久综合伊人有码一区中文字幕 | 女同同性av观看免费| 亚洲av高清在线一区二区三区 | 丁香综合网| 风韵丰满妇啪啪区老老熟女杏吧 | 邻居美少妇张开腿让我爽了一夜| 亚洲娇小与黑人巨大交| 日韩www视频| 日本黑人人妻一区二区水多多| 中文字幕一区二区人妻秘书| 无码av无码天堂资源网| 2021年最新久久久视精品爱| 中国免费一级毛片| 国产午夜免费一区二区三区视频| 高清偷自拍亚洲精品三区| 91麻豆国产香蕉久久精品| 青青草视频国产在线观看 | 老熟妇乱子交视频一区| 免费无码又爽又刺激聊天app| a级国产精品片在线观看| 国产成人精品一区二区三区av| 妺妺窝人体色www聚色窝仙踪| 欧美日韩国产成人高清视| 一个人的视频免费播放在线观看 | 日韩女优一区二区在线观看| 中国精品18videosex性中国| 日本公妇在线观看中文版|