基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型評(píng)價(jià)油氣水集輸管道的均勻腐蝕缺陷

曾維國(guó),李曙華,李 巖,范 崢

(1. 中國(guó)特種設(shè)備檢測(cè)研究院，北京 100029； 2. 中國(guó)石油長(zhǎng)慶油田分公司 氣田開發(fā)事業(yè)部，西安 710021；3. 中國(guó)石油長(zhǎng)慶油田分公司 油田開發(fā)事業(yè)部，西安 710018； 4. 西安石油大學(xué) 化學(xué)化工學(xué)院，西安 710065)

油氣水集輸管道是油田的主力運(yùn)輸設(shè)施，其一旦發(fā)生腐蝕性穿孔，會(huì)導(dǎo)致原油和天然氣泄漏，造成巨大的經(jīng)濟(jì)損失和資源浪費(fèi)，甚至?xí)鹑藛T傷亡、環(huán)境污染等一系列安全環(huán)保問(wèn)題[1-2]，當(dāng)管道穿越自然保護(hù)區(qū)、農(nóng)業(yè)畜牧區(qū)以及人口稠密區(qū)時(shí)，管道腐蝕穿孔帶來(lái)的生態(tài)隱患與社會(huì)影響風(fēng)險(xiǎn)凸顯，這也對(duì)油氣水集輸管道的腐蝕控制水平提出了更高的要求[3-5]。為了有效解決上述問(wèn)題，需經(jīng)常對(duì)管道均勻腐蝕缺陷進(jìn)行評(píng)價(jià)，確定管道發(fā)生嚴(yán)重腐蝕事故的可能性以及關(guān)鍵時(shí)間節(jié)點(diǎn)，從而在保證管道長(zhǎng)期、穩(wěn)定、安全運(yùn)行的前提下，最大可能地延長(zhǎng)在役管道的使用壽命[6-8]。

目前，國(guó)內(nèi)外針對(duì)管道均勻腐蝕缺陷評(píng)價(jià)的方法很多，例如B31G準(zhǔn)則、API RP579準(zhǔn)則等。B31G準(zhǔn)則是業(yè)內(nèi)較早使用的評(píng)價(jià)標(biāo)準(zhǔn)，然而其在工程應(yīng)用中卻暴露出很多缺陷，幾經(jīng)改進(jìn)后，其實(shí)際效果仍然差強(qiáng)人意[9]；API RP579準(zhǔn)則是在石化企業(yè)在役壓力設(shè)備缺陷安全評(píng)估的需要下催生的，該準(zhǔn)則雖然很好地滿足了石化企業(yè)的需求，但適用范圍有限，不利于大范圍推廣、應(yīng)用[10-11]。人工神經(jīng)網(wǎng)絡(luò)通過(guò)模仿腦神經(jīng)元的結(jié)構(gòu)、功能，建立輸入數(shù)據(jù)與輸出數(shù)據(jù)之間的映射關(guān)系，具有良好的自學(xué)習(xí)性、自組織性、非線性性、魯棒性、容錯(cuò)性、并行性以及獨(dú)立性等顯著優(yōu)點(diǎn)[12-14]。人工神經(jīng)網(wǎng)絡(luò)誕生于20世紀(jì)40年代初，在先后經(jīng)歷了興起、高潮、低谷以及復(fù)興等階段后，目前已被廣泛應(yīng)用于石油、電子、化工、材料、醫(yī)藥和交通等領(lǐng)域，并取得了一定的成果[15-16]。根據(jù)學(xué)習(xí)方式的不同，人工神經(jīng)網(wǎng)絡(luò)可分為有監(jiān)督人工神經(jīng)網(wǎng)絡(luò)和無(wú)監(jiān)督人工神經(jīng)網(wǎng)絡(luò)兩大類。BP人工神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)、Hopfield人工神經(jīng)網(wǎng)絡(luò)均屬于前者;而大部分自組織人工神經(jīng)網(wǎng)絡(luò)則屬于后者，只需將待求的樣本輸入人工神經(jīng)網(wǎng)絡(luò)即可得到結(jié)果[17-18]。

徑向基函數(shù)由POWELL于1985年提出，它的主要作用是解決多維空間插值問(wèn)題。1988年BROOMHEAD和LOWE根據(jù)徑向基函數(shù)這一特點(diǎn)，將其首次引入人工神經(jīng)網(wǎng)絡(luò)中并提出了徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)這一概念，JACKSON則于1989年論證了徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)對(duì)非線性連續(xù)函數(shù)的一致逼近性能[19-20]。與BP人工神經(jīng)網(wǎng)絡(luò)、Hopfield人工神經(jīng)網(wǎng)絡(luò)和自組織人工神經(jīng)網(wǎng)絡(luò)等相比，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練方便、訓(xùn)練和學(xué)習(xí)的收斂速度快且輸出預(yù)測(cè)結(jié)果較穩(wěn)定；在滿足精度需求的前提下，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)在訓(xùn)練精度和泛化能力方面均優(yōu)于BP人工神經(jīng)網(wǎng)絡(luò)[21]。徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)能夠?qū)⒌途S輸入矢量變換到高維空間中，從而使低維空間內(nèi)的線性不可分在高維空間內(nèi)變?yōu)榫€性可分，并逼近任意非線性函數(shù)[22-24]。賈寶惠等[25]將徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)與正交試驗(yàn)設(shè)計(jì)相結(jié)合，在不同條件下進(jìn)行鹽霧試驗(yàn)，系統(tǒng)研究了飛機(jī)結(jié)構(gòu)材料2024鋁合金的腐蝕規(guī)律；翟秀云[26]采用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)結(jié)合粒子群優(yōu)化算法建立了3C鋼在海水中腐蝕速率預(yù)測(cè)的模型，該模型具有良好的預(yù)測(cè)精度和自學(xué)習(xí)能力。朱紅秀等[27]研究了一種具有在線學(xué)習(xí)能力的徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)優(yōu)化算法，通過(guò)在線調(diào)整網(wǎng)絡(luò)滿足不同形態(tài)缺陷定量分析的需要。王玉榮等[28]基于徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)對(duì)合金鑄鐵動(dòng)態(tài)腐蝕性能進(jìn)行了準(zhǔn)確預(yù)測(cè)。

為了提高油氣水集輸管道均勻腐蝕缺陷評(píng)價(jià)結(jié)果的準(zhǔn)確性，本工作首先采用室內(nèi)多相動(dòng)態(tài)腐蝕檢測(cè)裝置測(cè)定了不同工況條件下油氣水集輸管道的均勻腐蝕速率。然后以上述試驗(yàn)結(jié)果為樣本數(shù)據(jù)庫(kù)，通過(guò)徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、驗(yàn)證和測(cè)試建立集輸管道均勻腐蝕速率預(yù)測(cè)模型，并對(duì)其準(zhǔn)確性進(jìn)行了驗(yàn)證。最后，按照SYT 6477-2017《含缺陷油氣管道剩余強(qiáng)度評(píng)價(jià)方法》中的相關(guān)要求，采用此模型和均勻腐蝕速率對(duì)油氣水集輸管道的均勻腐蝕缺陷進(jìn)行了評(píng)價(jià),希望為油氣水集輸管道現(xiàn)場(chǎng)防腐設(shè)計(jì)提供科學(xué)、可靠的理論支撐和數(shù)據(jù)來(lái)源。

1 試驗(yàn)

1.1 油氣水集輸管道均勻腐蝕速率

油氣水集輸管道的工作環(huán)境屬于典型的多相快速流動(dòng)沖刷下的復(fù)雜混合體系，故試驗(yàn)借助室內(nèi)多相動(dòng)態(tài)腐蝕檢測(cè)裝置模擬油氣水集輸管道的腐蝕環(huán)境，并采用動(dòng)電位極化法對(duì)不同工況條件下油氣水集輸管道的均勻腐蝕速率進(jìn)行了測(cè)定。多相動(dòng)態(tài)腐蝕檢測(cè)裝置采用密閉循環(huán)管式結(jié)構(gòu)，裝置內(nèi)的硫化氫含量、二氧化碳含量、水含量、鈣離子含量、鎂離子含量和氯離子含量由在線分析儀實(shí)時(shí)測(cè)定并同步反饋至微型計(jì)算機(jī)，而PT100型溫度變送器、3051TA型壓力變送器、SKLD型電磁流量計(jì)則被分別用來(lái)控制裝置的溫度、壓力和流速。將316L不銹鋼掛片固定在管道內(nèi)壁上，并用細(xì)導(dǎo)線將其與PARSTAT4000+電化學(xué)工作站的工作電極相連，輔助電極為鉑電極，參比電極為飽和甘汞電極。

1.2 油氣水集輸管道均勻腐蝕速率預(yù)測(cè)模型

通過(guò)徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)建立油氣水集輸管道均勻腐蝕速率預(yù)測(cè)模型。徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層三部分組成，如圖1所示。其中，輸入層由氣相中的硫化氫含量、二氧化碳含量，油相中的水含量，水相中的鈣離子含量、鎂離子含量、氯離子含量以及溫度、壓力、流速等信號(hào)源節(jié)點(diǎn)組成；隱含層中的變換函數(shù)為高斯徑向基函數(shù)，它屬于對(duì)中心點(diǎn)徑向?qū)ΨQ且衰減的非負(fù)非線性函數(shù)；輸出層負(fù)責(zé)對(duì)輸入模式下的均勻腐蝕速率作出必要的響應(yīng)。

圖1 徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.1 Schematic diagram of structure of radial basis function artificial neural network

當(dāng)徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)為xp，輸出信號(hào)為yp時(shí)，高斯徑向基函數(shù)的激活函數(shù)可表示為

(1)

xp=[xp1,xp2,…,xpi,…,xpm]T

(2)

式中：p為樣本的序號(hào)，p=1, 2,…,P(P為樣本數(shù))；i為信號(hào)源節(jié)點(diǎn)的序號(hào)，i=1, 2,…,m(m為信號(hào)源節(jié)點(diǎn)數(shù))；c為高斯徑向基函數(shù)的中心；j為隱含層節(jié)點(diǎn)的序號(hào)，j=1,2,…,Q(Q為隱含層節(jié)點(diǎn)數(shù))；σ為高斯徑向基函數(shù)的方差。

此時(shí)，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)輸出為

(3)

式中：wjk為從第j個(gè)隱含層節(jié)點(diǎn)到第k個(gè)輸出層節(jié)點(diǎn)的連接權(quán)值。

(4)

由于傳統(tǒng)的梯度下降法進(jìn)化緩慢且容易陷入局部最小，故通過(guò)增加動(dòng)量項(xiàng)的方法對(duì)梯度下降法進(jìn)行修正以進(jìn)一步提高網(wǎng)絡(luò)學(xué)習(xí)效率。徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)采用修正的梯度下降法不斷更新高斯徑向基函數(shù)的中心和從隱含層到輸出層之間的連接權(quán)值，如式(5)～(6)所示，使得預(yù)測(cè)輸出不斷逼近期望輸出。

(5)

(6)

式中：η1、η2均為學(xué)習(xí)效率；t為迭代次數(shù)。

徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的具體步驟如圖2所示。

最后，利用決定系數(shù)r對(duì)徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)在訓(xùn)練、驗(yàn)證、測(cè)試階段的預(yù)測(cè)輸出和期望輸出進(jìn)行一致性評(píng)價(jià)，其表達(dá)式見式(7)～(10)。

(7)

(8)

(9)

(10)

1.3 油氣水集輸管道均勻腐蝕缺陷評(píng)價(jià)

在上述研究基礎(chǔ)上，首先利用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)準(zhǔn)確預(yù)測(cè)不同工況下油氣水集輸管道均勻腐蝕速率，然后根據(jù)管道公稱壁厚、管道服役年限以及管道均勻腐蝕速率預(yù)測(cè)管道的剩余壁厚為

δmm=δ-ny

(11)

式中：δmm為管道剩余壁厚，mm；δ為管道初始壁厚；n為管道服役年限，a；y為預(yù)測(cè)的管道均勻腐蝕速率，mm/a。

此時(shí)，要求的最小壁厚δmin為

(12)

圖2 徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法流程圖Fig.2 Learning algorithm flowchart of radial basis function artificial neural network

式中：ψ為管道設(shè)計(jì)壓力，MPa；D為管道平均直徑，mm；ε為管材屈服強(qiáng)度，MPa；F為管道設(shè)計(jì)系數(shù)；λ為焊縫系數(shù)，對(duì)于新建管道或經(jīng)過(guò)無(wú)損探傷的焊縫，其值取1。

若滿足式(13)和式(14)所示兩個(gè)判據(jù)，則在當(dāng)前工作壓力下，管道的均勻腐蝕缺陷可以接受，否則缺陷不可以接受。

δmm=RFCA≥Kaδmin

(13)

δmm-RFCA≥max[0.5δmin,δlim]

(14)

δlim=max[0.2δ,2.5 mm]

(15)

式中：RFCA為未來(lái)腐蝕余量，mm；Ka為許用剩余強(qiáng)度因子，一般取0.9；δlim為管道極限壁厚，mm。

2 結(jié)果與討論

2.1 油氣水集輸管道均勻腐蝕速率樣本數(shù)據(jù)采集

共采集了100組不同工況下油氣水集輸管道均勻腐蝕速率的樣本數(shù)據(jù)。其中，第1～50組隨機(jī)數(shù)據(jù)用于輸入徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，而第51～100組隨機(jī)數(shù)據(jù)作為驗(yàn)證和測(cè)試樣本不參加訓(xùn)練。當(dāng)徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)反復(fù)訓(xùn)練滿足指定的容許收斂誤差限后，將第51～80組隨機(jī)數(shù)據(jù)輸入訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)驗(yàn)證油氣水集輸管道均勻腐蝕速率預(yù)測(cè)模型的準(zhǔn)確性與可靠性，若其仍然滿足容許收斂誤差限的相關(guān)要求，則繼續(xù)將第81～100組隨機(jī)數(shù)據(jù)輸入徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試。樣本數(shù)據(jù)詳見圖3。

2.2 徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)確定

由于徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的隱含層屬于典型的非線性神經(jīng)元，故其隱含層節(jié)點(diǎn)數(shù)的多少對(duì)于模型預(yù)測(cè)效果具有十分重要的作用。在迭代次數(shù)上限為500步、擴(kuò)展速度為1、學(xué)習(xí)效率η1和η2分別取0.05、0.06的條件下，利用試湊法找出了徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)適宜的隱含層節(jié)點(diǎn)數(shù)，其結(jié)果如圖4所示。

由圖4可知，當(dāng)隱含層節(jié)點(diǎn)數(shù)為10時(shí)，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的均方誤差高達(dá)92.680 2，隨著隱含層節(jié)點(diǎn)數(shù)的不斷增加，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的均方誤差顯著降低，當(dāng)隱含層節(jié)點(diǎn)數(shù)為29時(shí)，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的均方誤差僅為9.054 2，若繼續(xù)增加隱含層節(jié)點(diǎn)數(shù)，則徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的均方誤差降幅趨緩。雖然隱含層節(jié)點(diǎn)數(shù)越多，油氣水集輸管道均勻腐蝕速率預(yù)測(cè)模型的計(jì)算結(jié)果越準(zhǔn)確，但隱含層節(jié)點(diǎn)數(shù)的增加會(huì)提高徑向函數(shù)基人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜程度，導(dǎo)致其執(zhí)行效率降低，因此，本工作選擇9-29-1型徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行后續(xù)的訓(xùn)練、驗(yàn)證和測(cè)試。

2.3 徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練、驗(yàn)證和測(cè)試

采用NeuroSolutions 7.1.0.0軟件建立了基于徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的油氣水集輸管道均勻腐蝕速率預(yù)測(cè)模型，并對(duì)該預(yù)測(cè)模型進(jìn)行了訓(xùn)練、驗(yàn)證和測(cè)試。

圖5展示了油氣水集輸管道均勻腐蝕速率預(yù)測(cè)模型在訓(xùn)練過(guò)程中均方誤差的變化趨勢(shì)。結(jié)果表明，隨著徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)迭代次數(shù)的逐漸增加，預(yù)測(cè)模型的均方誤差逐漸減小，當(dāng)模型利用訓(xùn)練數(shù)據(jù)經(jīng)過(guò)4 450次反復(fù)迭代后，預(yù)測(cè)模型的均方誤差變?yōu)?.000 9，小于允許收斂誤差限0.001 0，這表明徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)此時(shí)已經(jīng)達(dá)到收斂要求。

(a) 硫化氫含量、二氧化碳和水含量(b) 鈣離子含量、鎂離子含量和氯離子含量(c) 溫度、壓力和流速 圖3 油氣水集輸管道均勻腐蝕速率樣本數(shù)據(jù)三維圖Fig.3 Three-dimensional diagram of sample data of average corrosion rates for oil-gas-water gathering pipeline: (a) content of hydrogen sulfide, carbon dioxide and water; (b) content of calcium ion, magnesium ion and chloride ion; (c) temperature, pressure and flow rate

圖4 徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)對(duì)均方誤差的影響Fig.4 Effect of number of nodes in hidden layer of radial basis function artificial neural network on mean square error

為了驗(yàn)證預(yù)測(cè)模型的準(zhǔn)確性，對(duì)比了徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)在訓(xùn)練、驗(yàn)證和測(cè)試階段油氣水集輸管道均勻腐蝕速率的預(yù)測(cè)輸出與期望輸出，見圖6。

由圖6可見，油氣水集輸管道均勻腐蝕速率的預(yù)測(cè)值和期望均勻分布在45°回歸線兩側(cè)，近似呈線性關(guān)系，在訓(xùn)練階段、驗(yàn)證階段與測(cè)試階段線性擬合的決定系數(shù)分別為0.993、0.973、0.969，表明此模型中的預(yù)測(cè)值及期望值存在較高的相關(guān)性，即利用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)對(duì)油氣水集輸管道均勻腐蝕速率進(jìn)行預(yù)測(cè)有著較高的準(zhǔn)確性和可靠性。

圖5 訓(xùn)練階段徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)均方誤差的變化趨勢(shì)Fig.5 Variation trend of mean square error of radial basis function artificial neural network in training stage

2.4 油氣水集輸管道均勻腐蝕缺陷評(píng)價(jià)

陜北某油田目前已建成316L不銹鋼油氣水集輸管道586.16 km，其設(shè)計(jì)壓力為6.3 MPa，公稱直徑為250 mm，管材屈服強(qiáng)度為180 MPa。為了對(duì)上述油氣水集輸管道的均勻腐蝕缺陷進(jìn)行準(zhǔn)確評(píng)價(jià)，根據(jù)該油田現(xiàn)場(chǎng)采集的腐蝕參數(shù)數(shù)據(jù)，利用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)該油田下轄的276段集輸管段的均勻腐蝕速率進(jìn)行了預(yù)測(cè)，并按照SYT 6477-2017《含缺陷油氣管道剩余強(qiáng)度評(píng)價(jià)方法》中的相關(guān)要求對(duì)上述管道進(jìn)行了均勻腐蝕缺陷評(píng)價(jià)，得出存在均勻腐蝕缺陷風(fēng)險(xiǎn)的9段管段，結(jié)果詳見表1。

由表1可知，當(dāng)管段壁厚最小限值為7.32 mm時(shí)，由于上述9段管段均勻腐蝕速率的預(yù)測(cè)值差異較大(0.433 6～1.582 4 mm/a),且服役年限亦有長(zhǎng)有短(4～15 a)，因此，在實(shí)際生產(chǎn)中，除了需要對(duì)油氣水集輸管道進(jìn)行必要的定期檢測(cè)外，還應(yīng)對(duì)預(yù)測(cè)均勻腐蝕速率較高的新投用管段和服役年限較長(zhǎng)但預(yù)測(cè)均勻腐蝕速率較低的管段給予特別的重視和關(guān)注，從而有效杜絕可能存在的均勻腐蝕風(fēng)險(xiǎn)。

(a) 訓(xùn)練階段 (b) 驗(yàn)證階段 (c) 測(cè)試階段圖6 訓(xùn)練、驗(yàn)證和測(cè)試階段油氣水集輸管道均勻腐蝕速率的預(yù)測(cè)值與期望值對(duì)比Fig.6 Comparison between predicted values and desired values of average corrosion rates for oil-gas-water gathering pipelines during the training (a), validating (b) and testing (c) stages

表1 存在均勻腐蝕風(fēng)險(xiǎn)管段一覽表Tab. 1 List of pipelines with risk of uniform corrosion defects

3 結(jié)論

(1) 為了準(zhǔn)確評(píng)價(jià)油氣水集輸管道的均勻腐蝕，變“事后處理”為“事前防護(hù)”，采用室內(nèi)多相動(dòng)態(tài)腐蝕檢測(cè)裝置測(cè)定了不同工況條件下油氣水集輸管道的均勻腐蝕速率，并以上述試驗(yàn)結(jié)果為樣本數(shù)據(jù)，基于徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)建立油氣水集輸管道均勻腐蝕速率的預(yù)測(cè)模型。

(2) 當(dāng)以氣相中的硫化氫含量、二氧化碳含量，油相中的水含量，水相中的鈣離子含量、鎂離子含量、氯離子含量以及溫度、壓力、流速等為輸入信號(hào)，以集輸管道均勻腐蝕速率為輸出信號(hào)時(shí)，由于此預(yù)測(cè)模型的優(yōu)化隱含層節(jié)點(diǎn)數(shù)為29，故選擇采用9-29-1型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、驗(yàn)證和測(cè)試。

(3) 采用梯度下降法對(duì)徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，經(jīng)過(guò)4 450次反復(fù)迭代后，該模型的均方誤差0.000 9,小于允許收斂誤差限0.010 0，預(yù)測(cè)值和期望值近似呈線性，在訓(xùn)練階段、驗(yàn)證階段與測(cè)試階段線性擬合的決定系數(shù)分別為0.950、0.980、0.986，預(yù)測(cè)值和期望值具有較高的相關(guān)性。

(4) 以預(yù)測(cè)的管道均勻腐蝕速率為基礎(chǔ)，根據(jù)SYT 6477-2017《含缺陷油氣管道剩余強(qiáng)度評(píng)價(jià)方法》中的相關(guān)要求對(duì)陜北某油田下轄的176段集輸管段進(jìn)行了均勻腐蝕評(píng)價(jià)，找出了9段存在均勻腐蝕風(fēng)險(xiǎn)的集輸管道，從而為油氣水集輸管道的長(zhǎng)期、穩(wěn)定、安全運(yùn)行提供了必要的理論支撐和數(shù)據(jù)來(lái)源。