[发明专利]基于AIGA-WLSSVM埋地管道腐蚀速率预测方法

说明书

本发明涉及一种基于AIGA‑WLSSVM埋地管道腐蚀速率预测方法。通过结合AIGA高效全局寻优能力和WLSSVM算法较强的鲁棒性能，有效提高了模型的预测精度。通过对实际埋地管道腐蚀数据进行建模和预测，证明了使用该方法建立的埋地管道腐蚀速率预测模型是有效、可靠的，这也为埋地管道的检修与更换提供理论依据。

技术领域

本发明涉及一种基于AIGA-WLSSVM埋地管道腐蚀速率预测方法。

背景技术

埋地油气输送管道在运行一定时间后会因腐蚀穿孔而漏油漏气，这将干扰整个输送系统的正常运行，因此，急需预测埋地油气管道腐蚀速率，以便为其检测与维护提供重要依据。目前，有关埋地油气管道腐蚀速率的预测方法主要有灰色理论、回归模型、神经网络模型等。

然而，神经网络建模过程还是存在计算量较大、学习效率低等缺点。而支持向量机(SVM)是近年来提出的一种新的建模方法，具有计算效率高、算法简单等特点,而且具有较好的鲁棒性等特点，在管道腐蚀预测方面有广泛的应用。然而，当训练样本数目很大时，SVM模型计算将变得很耗时。

为此，发明采用一种基于AIGA优化的WLSSVM建模方法建立埋地油气管道腐蚀速率预测模型，通过结合AIGA高效全局寻优能力和WLSSVM算法较强的鲁棒性能，有效提高了模型的预测精度。最后，以国内某埋地油气管道为例，建立AIGA-WLSSVM埋地管道腐蚀速率预测模型，验证了AIGA-WLSSVM模型预测结果的有效性。

发明内容

本发明的目的在于提供一种基于AIGA-WLSSVM埋地管道腐蚀速率预测方法，该方法有效提高了模型的计算效率，并采用AIGA方法优化模型参数，进一步提高了模型的预测精度。

为实现上述目的，本发明的技术方案是：一种基于AIGA-WLSSVM埋地管道腐蚀速率预测方法，包括如下步骤：

步骤S1、选择土壤中对埋地管道腐蚀相关的影响因素作为输入变量；

步骤S2、以埋地输气管线为研究对象，通过对管道沿线土壤理化性质的测试及对管线的检测，获得样本数据；

步骤S3、随机选择若干组样本数据作为训练样本，采用AIGA-WLSSVM方法建立埋地管道腐蚀速率预测模型，将余下的样本数据作为测试样本，以测试所建立模型的预测效果；

步骤S4、根据评价指标对模型预测效果进行评价。

在本发明一实施例中，所述步骤S1中，对埋地管道腐蚀相关的影响因素包括含水率、HCO₃^－含量、Cl^－含量、SO₄^2－含量、氧化还原电位、pH值、土壤电阻率。

在本发明一实施例中，所述步骤S3中，采用AIGA-WLSSVM方法建立埋地管道腐蚀速率预测模型的具体实现步骤如下：

(1)基于加权最小二乘支持向量机的算法思想，对于给定样本(x_i,y_i)，x_i∈Rⁿ表示输入，y_i∈R表示单个输出，特征空间F的优化问题及约束条件为：

式(1-1)中，表示映射，γ是惩罚因子，用以平衡模型的精度与模型的复杂度，将输入映射到高维特征空间F，b为偏置，v_t为权因子，e_t为误差；权因子v_t的计算如式(1-2)所示：

式(1-2)中，为LSSVM的e_t的标准偏差的鲁棒估计；s₁、s₂均为常数；