[发明专利]基于粗糙集与遗传小波神经网络的石油管道漏损预测方法

摘要

本发明涉及的是基于粗糙集与遗传小波神经网络的石油管道漏损预测方法，这种基于粗糙集与遗传小波神经网络的石油管道漏损预测方法包括以下步骤：获取导致石油管道漏损的因素以及初始发生漏损时间的历史数据；利用粗糙集对获取的数据进行清洗优化，获取有效历史数据；根据获取的有效数据采用小波神经网络建立预测模型；对上述模型通过遗传算法优化初始参数；输入历史漏损数据预测石油管道漏损时间的发生。本发明可以有效预测石油管道发生漏损的时间，具有收敛速度快，预测精度高、预测结果唯一的优点，可以对石油管道的漏损进行有效预警，从而为石油管道维护提供参考。

主权项

一种基于粗糙集与遗传小波神经网络的石油管道漏损预测方法, 其特征在于，所述方法包括：步骤1，获取导致石油管道漏损的因素以及初始发生漏损时间的历史数据，包括管道材料属性、管道口径、管道环境沉降、管道环境载荷、管道环境腐蚀、管道环境温度、管道埋深、管道运行压力，对获取的原始数据进行归一化处理；步骤2，利用步骤1获取的数据基于粗糙集方法进行清洗优化，消除因素之间的冗余信息；步骤3，利用步骤2获取的优化后的数据建立小波神经网络预测模型；小波神经网络预测模型包括神经网络输入层神经元，神经网络隐含层神经元及神经网络输出层神经元；所述隐含层神经元为个隐含层节点，根据实际训练精度进行调整；所述输出层神经元为图像像素灰度值；基于小波神经网络的预测模型中所述隐含层神经元小波基函数为：其中，与为伸缩平移尺度因子，，取Morlet小波：所述输出层神经元通过选择Sigmoid函数：可以表示为：其中，式中为样本个数，、、、为网络学习速率，为网络动量因子；步骤4，利用遗传算法获取步骤3构建的预测模型的最优初始参数；步骤5，利用步骤4获取的预测模型的最优初始参数，计算预测模型输出，通过将模型的输出反归一化获取石油管道漏损的预计发生时间。