融合知识图谱与神经网络的金属管道腐蚀预警研究
金属管道在石油天然气运输中扮演着至关重要的角色。然而，金属管道在使用过程中容易受到腐蚀因素的影响，导致管道壁厚减少，从而增加了泄漏和事故的风险。本文以塔河油田金属管道为研究对象，通过构建金属管道腐蚀领域知识图谱整理腐蚀数据，采用人工神经网络预测管道点蚀速率，而后结合SOM神经网络对金属管道进行腐蚀预警。本文主要取得的成果为: （1）金属管道腐蚀领域知识图谱的构建。本文提出BERT-BiLSTM-CRF联合抽取模型作为金属管道腐蚀数据的知识抽取模型，经过实验验证，该模型在对金属管道腐蚀数据的抽取准确率（F1值）为91.75％;采用本体映射方法对抽取的知识进行融合;最后，利用Neo4j图数据库存储知识融合后得到的三元组信息，完成了金属管道腐蚀知识图谱的构建。 （2）金属管道腐蚀速率预测模型的构建。本研究把二氧化碳含量、硫化氢含量、含水率、压力、温度、流速和pH值作为输入参数，把金属管道点蚀速率作为输出结果，分别采用BP神经网络、RBF神经网络和随机森林法对点蚀速率进行预测，并设定目标误差为0.015,发现BP神经网络对金属管道点蚀速率的预测效果更好，最后，在BP神经网络模型的基础上利用遗传算法对其优化，实现了对金属管道点蚀速率的精准预测。 （3）金属管道腐蚀预警模型的构建。本研究采用SOM神经网络作为预警模型，把点蚀速率、公称壁厚、服役年限、温度、压力和流速作为输入参数，选取6组常见腐蚀评价数据作为样本，通过1000次训练实现了分类;在金属管道腐蚀知识图谱中提取了60组有效样本数据作为测试数据，最后比较模型的预警结果和实际结果，发现该模型的预警正确率为96％,这表明此预警模型有较高的准确性。
金属管道;腐蚀预警;知识图谱;人工神经网络
西安石油大学
硕士
化学工程
范峥
2023
中文
U177
2023-08-28（万方平台首次上网日期，不代表论文的发表时间）