热加工工艺

作者：肖荣鸽, 刘国庆, 刘博, 魏王颖, 庄琦, 靳帅帅,

关键词：BP神经网络, 主成分分析, 金枪鱼群算法, 海底管道, 腐蚀速率预测,

近年来，随着我国海洋油气勘探开发力度不断增强，在役的和建设中的海底油气管道越来越多，海底油气管道内腐蚀速率预测对于海底油气管道的日常运行、维护和检修极为重要。为了提高海底油气管道内腐蚀速率预测精度和稳定性，建立了基于主成分分析（Principal Component Analysis,PCA）和金枪鱼群算法（Tuna Swarm Optimization,TSO）优化BP神经网络的海底管道内腐蚀速率预测组合模型PCA-TSO-BPNN。运用PCA进行数据降维，筛选出海底管道内腐蚀速率的主要影响因素；建立海底管道内腐蚀速率BPNN预测模型，并采用TSO算法对BPNN预测模型的权值和阈值参数进行寻优；利用PCA-TSO-BPNN组合模型对海底管道内腐蚀速率进行预测，并与对比模型进行比较，验证PCA-TSO-BPNN组合模型的可行性和可靠性。结果表明：PCA-TSO-BPNN组合模型的平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为1.8441%和0.06757，远低于对比模型，组合模型具有较高的预测精度和稳定性，可为海底管道内腐蚀防护和流动保障提供决策支持。

来源：2025年第4期

《热加工工艺》期刊编辑部

查看热加工工艺杂志2025年第4期