检索结果-南通市图书馆

油气田地面工程 2020年第7期39卷 50-56页

作者：朱峰中国石油新疆油田公司风城油田作业区 834000

针对单缺陷管道的剩余强度问题,首先对影响管道剩余强度的相关因素进行深层次分析,建立pca-pso-bp神经网络模型,使用pca算法对管道剩余强度影响因素进行降维处理,使用pso算法对bp神经网络算法中的权值和阈值进行优选,根据文献中获取的14... 详细信息

针对单缺陷管道的剩余强度问题,首先对影响管道剩余强度的相关因素进行深层次分析,建立pca-pso-bp神经网络模型,使用pca算法对管道剩余强度影响因素进行降维处理,使用pso算法对bp神经网络算法中的权值和阈值进行优选,根据文献中获取的148组管道实际爆破数据,随机选取128组数据作为学习样本,剩余20组数据作为验证样本,使用bp神经网络算法对管道剩余强度进行预测,并将预测结果与ASME B31G-2009、DNV RP-F101、API 579以及SYT6151-2009等公式的计算结果进行对比,以此验证pca-pso-bp神经网络的可行性。研究表明:管道钢级、直径、壁厚、缺陷类型、缺陷深度、缺陷长度是影响管道剩余强度的主要因素;pca-pso-bp神经网络预测结果的平均绝对误差仅有2.923%,远低于其他方法的计算误差,证明pca-pso-bp神经网络模型可用于管道剩余强度预测。

关键词：管道剩余强度 pca-pso-bp神经网络影响因素平均绝对误差预测结果

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于pca-pso-bp神经网络的管道剩余强度评价朱峰

引用

油气田地面工程 2020年第7期 50-56页

作者：中国石油新疆油田公司风城油田作业区

针对单缺陷管道的剩余强度问题,首先对影响管道剩余强度的相关因素进行深层次分析,建立pca-pso-bp神经网络模型,使用pca算法对管道剩余强度影响因素进行降维处理,使用pso算法对bp神经网络算法中的权值和阈值进行优选,根据文献中获取的148组管道实际爆破数据,随机选取128组数据作为学习样本,剩余20组数据作为验证样本,使用bp神经网络算法对管道剩余强度进行预测,并将预测结果与ASME B31G—2009、DNV RP—F101、API 579以及SYT6151—2009等公式的计算结果进行对比,以此验证pca-pso-bp神经网络的可行性。研究表明:管道钢级、直径、壁厚、缺陷类型、缺陷深度、缺陷长度是影响管道剩余强度的主要因素;pca-pso-bp神经网络预测结果的平均绝对误差仅有2.923%,远低于其他方法的计算误差,证明pca-pso-bp神经网络模型可用于管道剩余强度预测。

关键词：管道剩余强度 pca-pso-bp神经网络影响因素平均绝对误差预测结果

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

大夏河流域水环境安全评价

大夏河流域水环境安全评价

引用

作者：邬壕兰州大学

学位级别：硕士

水环境安全对于区域社会经济发展至关重要。地处甘肃省中部的大夏河是黄河右岸的重要支流,对甘肃省中部社会经济发展和生态环境滋养起关键作用。因此,开展大夏河流域水污染及水环境安全评价可为保障区域经济稳定发展及生态环境良性循环... 详细信息

水环境安全对于区域社会经济发展至关重要。地处甘肃省中部的大夏河是黄河右岸的重要支流,对甘肃省中部社会经济发展和生态环境滋养起关键作用。因此,开展大夏河流域水污染及水环境安全评价可为保障区域经济稳定发展及生态环境良性循环提供参考,然而,对河流水体水质与流域整体水环境安全相结合的研究目前较为缺乏。鉴于此,本文首先采用单因子评价法与灰色评价法对2006～2021年大夏河流域水质进行评价;在此基础上,进一步引入pca-pso-bp神经网络综合模型对水质进行模拟;其次,综合上述水质评价指标、自然地理指标和社会经济指标运用DPISR模型,通过层次分析法、熵值法和综合指数法对大夏河流域水环境安全状况进行评价;最后结合流域实际,提出流域水环境安全发展的相关建议和措施。主要结论如下:(1)2006～2021年,夏河、双城、折桥水质监测断面的溶解氧、氨氮、总磷和高锰酸钾指数变化幅度分别为3.96%～9.06%,-44.5%～79.5%,-70.1%～0.00%和-42.9%～-17.6%。氨氮是大夏河流域最主要的污染物。大夏河流域水质整体呈I～III类,各断面水质均处于达标状态。其中,上游夏河、中游双城断面整体水质为I～II类;下游折桥断面整体水质为I～III类。上游水质优于下游,水质变化幅度表现上游小,下游大;进一步分析水质最差的折桥断面2021年9～12月水质数据,发现该断面水质逐月变优,各月份水质均为I类。(2)氨氮作为影响大夏河流域水质最主要的污染物指标,对其进行模拟在一定程度上可直接反映流域水质状况。选取氨氮污染最为严重的折桥监测断面,运用pca-pso-bp神经网络综合模型将p H、溶解氧、高锰酸钾指数等9种水质监测指标的主成分变量作为氨氮模拟的输入变量,分别建立训练集和测试集优化模型参数并对模型进行性能检验。结果表明,优化后的模型有较好的模拟效果。训练集拟合MSE为0.018,相关系数R为0.95;测试集模拟结果与真实值趋势基本一致,误差在0～0.182之间,MSE为0.01,相关系数R为0.904。本文构建的神经网络综合模型可以很好地模拟流域的氨氮浓度,可用于大夏河流域水质预测,进而用于流域污染物监管及水质监测评价。(3)基于大夏河流域水质评价结果,综合流域自然地理及社会经济特征,运用DPISR模型,结合层次分析法、熵值法和综合指数法对大夏河流域水环境安全状况进行评价。结果表明,2006年、2010年、2015年、2020年大夏河流域水环境安全综合指数分别为0.3102、0.5816、0.4103、0.7299,水环境安全等级由较不安全转变为较安全,水环境状况总体呈变优趋势。(4)根据流域水质状况及水环境安全评价结果,结合流域现状,提出树立绿色发展的环保理念,节能减排和加大生态环境保护投入力度,构建生态优先的发展格局的流域水环境安全发展建议。

关键词：水质评价水质模拟水环境安全评价 pca-pso-bp神经网络 DPISR模型大夏河流域

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：