基于GIF Elman神經(jīng)網(wǎng)絡(luò)的輸油管道工況辨識(shí)技術(shù)的研究.pdf

1、近年來(lái)，隨著我國(guó)管道運(yùn)輸業(yè)的不斷發(fā)展，管道運(yùn)輸在國(guó)民經(jīng)濟(jì)體系中的地位日趨重要，管道安全運(yùn)輸?shù)膯?wèn)題也引起了廣泛的關(guān)注。輸油管道泄漏檢測(cè)是管道安全運(yùn)輸?shù)闹匾獌?nèi)容。管道泄漏屬于故障工況，因此管道工況辨識(shí)技術(shù)是管道泄漏檢測(cè)的一種重要手段，能否通過(guò)該技術(shù)準(zhǔn)確、及時(shí)的發(fā)現(xiàn)和判斷輸油管道泄漏情況的發(fā)生，對(duì)于減少國(guó)家經(jīng)濟(jì)損失、保護(hù)管道周邊的自然環(huán)境和居民的人身財(cái)產(chǎn)安全有著重要的現(xiàn)實(shí)意義。
　　鑒于管道運(yùn)輸系統(tǒng)具有強(qiáng)時(shí)滯性、強(qiáng)非線性和強(qiáng)干擾性等特點(diǎn)

2、，難以通過(guò)機(jī)理分析建立精確的數(shù)學(xué)模型，而且管道運(yùn)輸系統(tǒng)屬于復(fù)雜的動(dòng)態(tài)系統(tǒng)，所建立的模型要滿足其動(dòng)態(tài)性的要求。因此，本文針對(duì)管道運(yùn)輸安全預(yù)警問(wèn)題，提出了基于GIF(GlobalInformation Feedback) Elman動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)輸油管道運(yùn)輸系統(tǒng)工況分析模型，利用該模型對(duì)管道工況進(jìn)行準(zhǔn)確、快速的辨識(shí)，進(jìn)而降低誤報(bào)、漏報(bào)率或者消除誤報(bào)、漏報(bào)情況的存在，提高工況信息的準(zhǔn)確度。本文主要研究?jī)?nèi)容有以下幾個(gè)方面:首先，針對(duì)Elman

3、神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)性能的不足，提出了Elman神經(jīng)網(wǎng)絡(luò)的改進(jìn)方向——GIF Elman神經(jīng)網(wǎng)絡(luò)。根據(jù)GIF Elman神經(jīng)網(wǎng)絡(luò)和管道運(yùn)輸系統(tǒng)自身的特點(diǎn)對(duì)動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的建模方案進(jìn)行了可行性論證。其次，針對(duì)管道壓力數(shù)據(jù)具有強(qiáng)非線性、強(qiáng)噪聲的特點(diǎn)，研究了一種數(shù)據(jù)預(yù)處理技術(shù)，先將管道壓力數(shù)據(jù)進(jìn)行特征提取，然后利用核主成分分析的技術(shù)方法對(duì)提取的特征進(jìn)行核主成分分析，以此來(lái)達(dá)到對(duì)數(shù)據(jù)降維和消除噪聲的目的。再次，根據(jù)Elman神經(jīng)網(wǎng)絡(luò)模型的算法，從理論

4、上對(duì)GIF Elman神經(jīng)網(wǎng)絡(luò)模型的算法進(jìn)行了推導(dǎo)，建立了基于GIF Elman神經(jīng)網(wǎng)絡(luò)的管道運(yùn)輸系統(tǒng)工況分析模型。最后，利用管道現(xiàn)場(chǎng)數(shù)據(jù)，通過(guò)對(duì)比BP前向神經(jīng)網(wǎng)絡(luò)、標(biāo)準(zhǔn)Elman神經(jīng)網(wǎng)絡(luò)和GIF Elman神經(jīng)網(wǎng)絡(luò)分別在靜態(tài)數(shù)據(jù)集和動(dòng)態(tài)數(shù)據(jù)集中的表現(xiàn)，驗(yàn)證了GIF Elman神經(jīng)網(wǎng)絡(luò)不僅在訓(xùn)練和測(cè)試結(jié)果的穩(wěn)定性上，而且在網(wǎng)絡(luò)模型的泛化能力上均表現(xiàn)出很好的效果。
　　總之，GIF Elman神經(jīng)網(wǎng)絡(luò)非常適合于建立管道運(yùn)輸工況分析模