探析油氣儲運中ANN技術的應用

李長志+楊波+梁代華+朱明+吳冕

摘 要：油氣儲運工程主要包括油氣田集輸、長距離輸送管道、儲存與裝卸等，它是連接油氣生產、加工、分配、銷售諸環節的紐帶。ANN技術也就是人工神經網絡技術，ANN技術具有可以充分逼近任意復雜的非線性關系，具有很強的魯棒性和容錯性，能夠同時處理定量、定性知識，能夠優化設計、模式識別、聯想記憶等特點，被廣泛的應用在油氣儲運中。本文分析了ANN技術，并探討了ANN技術在油氣輸送工程中的具體應用。

關鍵詞：油氣輸送；ANN技術；意義；應用

1 ANN技術

ANN技術也就是人工神經網絡技術。人工神經網絡是一種通過模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。人工神經網絡通過調節系統內部大量節點之間相互連接的關系，并對其之間關系進行信息處理，從而達到處理信息的目的。人工神經網絡具有自學習和自適應的能力。人工神經網絡技術（ANN技術）就是根據人工神經網絡而提出來的處理單元互聯組成的非線性、自適應信息處理系統技術，利用人工神經網絡技術可以通過模擬大腦神經網絡處理、記憶信息的方式進行信息處理。ANN技術通常是通過一個基于數學統計學類型的學習方法得以優化，所以人工神經網絡技術也是數學統計學方法的一種實際應用。人工神經網絡技術具有四個基本特征：非線性、非局限性、非常定性、非凸性。

就目前來說，常用的人工神經網絡是Hopfield聯想記憶網絡，波爾茲曼學習機和網絡誤差反傳（BP）試驗方法。BP網絡可以對油氣管道油氣泄漏、管道腐蝕速度等進行預測，所以在油氣儲運中，應用最多的是BPNN技術。

2 ANN技術在油氣儲運中的應用

（一）在油氣儲運中運用ANN技術的重要意義

油氣儲運工程主要包括油氣田集輸、長距離輸送管道、儲存與裝卸等，它是連接油氣生產、加工、分配、銷售諸環節的紐帶。ANN技術通常是通過一個基于數學統計學類型的學習方法得以優化，所以人工神經網絡技術也是數學統計學方法的一種實際應用。人工神經網絡（ANN）具有非線性、非局限性、非常定性、非凸性等特征，用人工神經網絡技術的自適應能力學習管道的各種工況，對管道運行狀況進行分類識別，從而更準確的檢測油氣儲運管道泄漏情況和管道腐蝕速度。為了更加準確的檢測油氣儲運管道泄漏情況和管道腐蝕速度，為了石油生產建設的需要，因此要在油氣儲運中運用人工神經網絡技術（ANN技術）。

（二）ANN技術在油氣儲運中的具體應用

（1）在油氣儲運中應用ANN技術，是因為人工神經網絡（ANN）具有以下的特點和優越性：第一，具有自學習功能。例如管道的油氣泄漏情況或者管道腐蝕度進行識別時，首先要把不同管道的泄漏或腐蝕圖像樣板以及對應的應識別結果輸入到人工神經網絡系統（ANN）中，利用人工神經網絡系統（ANN）的自學功能，學會識別其他的相類似的圖像。人工神經網絡（ANN）的自學習功能對于油氣管道泄漏情況和管道腐蝕情況預測有特別重要的意義。第二，利用人工神經網絡（ANN）的聯想存儲功能，把關于石油管道泄露或腐蝕等的各種情況進行相互的聯想、比對，找出石油管道泄露的具體地方以及管道腐蝕的情況，進而提出切實可行的解決措施。第三，利用人工神經網絡（ANN）的高速尋找優化解的能力，通過計算機的高速運算，找出解決石油運輸中出現的問題的最佳方法。

（2）BPNN網絡是一種基于廣義2R規則的有監督的學習網絡，屬誤差修正算法。采用BPNN網絡對管道泄漏進行檢測，主要是利用單元希望輸出與實際輸m之問的偏差作為連接權調整的參考，并最終減小這種誤差。

（3）自適應模糊神絳網絡系統具有自學習能力和非線性映射，它不僅能夠獲取信號的最佳估計，并且能夠克服信號處理中存在的模型和噪聲的不確定性、不完備性，所以可以用于噪聲信號的非線性建模。利用自適應模糊神經網絡系統的去噪可以提高壓力信號、流量信號的信噪比。自適應模糊神經網絡的自適應噪聲抵消器具有實現簡單、節省運行時間，能快速、有效地消除流量、壓力信號中的各種噪聲的特點，所以把自適應模糊神絳網絡系統應用到油氣儲運中管道泄漏、腐蝕情況的檢測中，提高泄漏檢測和定位的精度。

（4）可以利用人工神經網絡對油氣管道的腐蝕過程和腐蝕速度進行預測。在油氣輸送管道中，由于各種油氣性質的不同，再加上高速度、高循環率的運輸，增加了油氣管道的腐蝕程度。我們可以通過人工神經網絡（ANN），采用逐步回歸的方法對油氣管道中的腐蝕程度和腐蝕速度進行預測，進而保證油氣管道能夠安全有效的運行。

3 結語

綜上所述，油氣儲運工程主要包括油氣田集輸、長距離輸送管道、儲存與裝卸等，它是連接油氣生產、加工、分配、銷售諸環節的紐帶。ANN技術也就是人工神經網絡技術，ANN技術具有可以充分逼近任意復雜的非線性關系，具有很強的魯棒性和容錯性，能夠同時處理定量、定性知識，能夠優化設計、模式識別、聯想記憶等特點。在油氣儲運中用人工神經網絡技術的自適應能力學習管道的各種工況，對管道運行狀況進行分類識別，更準確的檢測油氣儲運管道泄漏情況和管道腐蝕速度。

參考文獻：

[1]王延民，齊志財.ANN技術在油氣儲運中的應用[J].油氣田地面工程.2008，（10）：55.

[2]胡小芳，韓廷亮，蓋國勝.用人工神經網絡預測天然氣管道內腐蝕速度[J].油氣儲運.2004，（09）：56-58.

[3]關中原.我國油氣儲運相關技術研究新進展[J].油氣儲運.2012，（01）：1-5.