原油管道內蠟沉積速率預測及分析

刁 俊

（遼河油田高升采油廠， 遼寧 盤錦 124125）

次累減回歸還原得到灰色預測值：

原油管道內蠟沉積速率預測及分析

刁 俊

（遼河油田高升采油廠， 遼寧 盤錦 124125）

分別運用灰色預測理論和灰色神經網絡理論對原油管道內的蠟沉積速率進行了預測分析；應用灰色人工神經網絡理論，考慮剪切應力、溫度梯度、粘度以及濃度梯度4個影響因素作為主要因素的對原油管道內的蠟沉積速率進行的預測，與傳統的灰色預測方法相比，所得到的預測值更為接近實際值，蠟沉積速率的相對誤差絕對值在1.6%以內，灰色神經網絡用于管道內蠟沉積速率預測的效果良好，能為原油管道蠟沉積規律的深入研究和制定合理的清蠟周期提供理論依據。

蠟沉積速率；灰色人工神經網絡；速率預測；相對誤差

輸送含蠟原油的管道，在其輸送的過程中時常會有析出蠟的現象發生，并且析出的部分蠟會逐漸沉積依附在管道內壁上，進而在管道內壁形成一層結蠟層，結蠟層的存在某種程度上影響了輸油管道的正常運行，甚至會引起管道凝管事故的發生，給輸油管道的正常運營造成了很大的威脅[1,2]。因此，有必要對含蠟原油管道的蠟沉積速率進行預測分析，從而為原油管道蠟沉積規律的深入研究和制定合適的清蠟周期提供理論基礎。

1 灰色人工神經網絡預測模型

灰色系統可以在原始數據較少時對含蠟原油的蠟沉積的速率進行預測[3]，建模過程簡單，但是灰色系統本身不具備自學習、自組織以及自適應的能力，在處理非線性問題的方面上能力不足[4]。而人工神經網絡模型具備處理“大樣本”，非線性以及自學習的能力[5,6]。因此可以利用這兩種模型的長處，把兩種模型加以結合，建立起可以處理小樣本、非線性且誤差可以控制問題的灰色神經網絡預測模型[7]，模型建立過程如下，首先對初始數據序列做一次累加變換，設有時間數列(0)x為：

次累減回歸還原得到灰色預測值：

為了便于表達，用x(t)表示原始數據序列經一次累加后得到數據序列用y(t)表示，預測結果用()z t表示。由此，n個參量的灰色神經網絡模型的微分方程表達式如下：

把變換得到的上式映射到一個拓展的BP人工神經網絡中，其拓撲圖結構如圖1所示

圖1 灰色神經網絡拓撲結構圖Fig.1 The structure of grey and neural network

2 模型應用

對于輸送原油的管道來說，存在諸多影響其原油管道蠟沉積速率的因素，選取剪切應力、溫度梯度、粘度以及濃度梯度4個影響因素作為主要因素進行原油管道內的蠟沉積速率預測。以灰色神經網絡為基礎的網絡拓撲結構如圖1所示。其中，灰色神經網絡構建根據輸入與輸出的維數進行確定。管道內蠟沉積速率的預測網絡模型輸入數據參數為四維，輸出為一維蠟沉積速率。因此，灰色神經網絡結構為1-1-5-1，即LA層一個節點，時間序列作為輸入；LB層1個節點；LC層5個節點，從2到5分別輸入剪切應力、溫度梯度、粘度以及濃度梯度這4個歸一化數據；最后的輸出為預測的原油管道內的蠟沉積速率。

用C語言編制原油管道蠟沉積速率預測程序進行計算，預測值與實際值曲線如圖2所示，灰色神經網絡預測結果與實際的值的比較如表1所示，由圖2和表1可見，應用灰色預測方法進行預測的數據偏離實際值較大，應用灰色神經網絡理論所得到的預測值與實際測試的數值非常接近，蠟沉積速率的絕對相對誤差在1.6%以內，灰色神經網絡用于腐蝕速率預測的效果良好，精度較高，對于小樣本的數據信息預測問題是較為適用的。

圖2 預測數據與真實值Fig.2 Predicted data and actual value

表1 預測值與實際值的比較Table 1 The contrast of predicted and actual value

3 結 論

本文分別運用灰色預測理論和灰色神經網絡理論對原油管道內的蠟沉積速率進行了預測分析，由所編程序的預測結果可以看出，應用傳統的灰色預測方法進行預測的數據偏離實際值較大；與傳統的灰色預測方法相比，應用灰色人工神經網絡理論，考慮剪切應力、溫度梯度、粘度以及濃度梯度四個影響因素作為主要因素對原油管道內的蠟沉積速率進行的預測，所得到的預測值與實際測試的數值是非常接近的，蠟沉積速率的相對誤差絕對值在1.6%以內，灰色神經網絡用于管道內蠟沉積速率預測的效果良好，預測精度高，這不僅能為原油管道蠟沉積規律的深入研究提供依據，還能夠對輸原油管道制定合適的清蠟周期提供一定的理論基礎。

［1］王平，江國業,等．結蠟厚度對輸油成本的影響[J]．石油化工高等學報，2002，15(1)：47-50．

［2］楊筱蘅.輸油管道設計與管理[M].北京：中國石油大學出版社，2006.

［3］王飛飛等.灰色預測改進模型在結蠟規律預測中的應用[J].油氣儲運，2010，29（8）：592-594.

［4］鄧聚龍. 灰預測與灰決策[M]. 武漢: 華中科技大學出版社, 2002.

［5］韓力群.人工神經網絡理論、設計及應用[M]. 第二版.北京：化學工業出版社，2007.

［6］袁曾任.人工神經元網絡及其應用[M].北京：清華大學出版社，1999.

［7］張鎮，劉曉東,等.基于灰色組合模型的管道腐蝕速率預測[J]．中國腐蝕與防護學報，2008，28（3）：173-176.

Prediction and Analysis on Wax Deposition Rate in the Crude Oil Pipeline

DIAO Jun
(PetroChina Liaohe Oilfield Company, Liaoning Panjin 124125，China)

The wax deposition rate in the crude oil pipeline was predicted and analyzed with grey theory and grey neural network theory, respectively. Based on considering the shear stress, temperature, viscosity and concentration gradients as main factors, the wax deposition rate in the crude oil pipeline was predicted with the theory of grey and artificial neural network. The results show that, compared with the traditional grey theory, the prediction is more close to the actual value, the relative error is less than 1.6%, the effect of predicting wax deposition rate with the theory of the grey neural network is good, it can provide a theoretical basis of the further study on the regular pattern of the wax deposition rate and formulating a reasonable period of removing the wax for the crude oil pipeline.

Wax deposition rate; Grey and artificial neural network; Prediction of rate; Relative error

TE 832

A

1671-0460（2012）11-1216-03

2012-06-11

刁俊 （1985-），男，遼寧盤錦人，助理工程師，2008年畢業于遼寧石油化工大學，研究方向：從事油氣集輸領域技術工作。E-mail：warcraftorc@163.com。