燃气管道腐蚀预测方法和装置
阅读：233发布：2020-05-08
专利汇可以提供燃气管道腐蚀预测方法和装置专利检索，专利查询，专利分析的服务。并且本 发明 提供了一种 燃气管道 腐蚀 预测方法和装置，所述方法包括以下步骤：采集监测区域内的管道腐蚀深度数据和 土壤 腐蚀性数据；根据土壤腐蚀性数据进行土壤腐蚀性分级，并根据区域 位置 和土壤腐蚀性级别将监测区域划分为多个子区域；在每个子区域，根据管道腐蚀深度数据构建相应的统计模型；根据统计模型对相应的子区域进行管道腐蚀状态预测。本发明能够提高 预测模型 的可靠性，提高预测 精度 ，且具有实际可操作性。，下面是燃气管道腐蚀预测方法和装置专利的具体信息内容。
1.一种燃气管道腐蚀预测方法，其特征在于，包括以下步骤：
采集监测区域内的管道腐蚀深度数据和土壤腐蚀性数据；
根据所述土壤腐蚀性数据进行土壤腐蚀性分级，并根据区域位置和土壤腐蚀性级别将所述监测区域划分为多个子区域；
在每个子区域，根据所述管道腐蚀深度数据构建相应的统计模型；
根据所述统计模型对相应的子区域进行管道腐蚀状态预测。
2.根据权利要求1所述的燃气管道腐蚀预测方法，其特征在于，还包括：
将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析，以判断是否存在异常腐蚀管道区段；
对所述异常腐蚀管道区段进行预警并针对所述异常腐蚀管道区段制定检测方案。
3.根据权利要求2所述的燃气管道腐蚀预测方法，其特征在于，所述土壤腐蚀性数据包括土壤的电阻率、PH值和氧化还原电位数据。
4.根据权利要求3所述的燃气管道腐蚀预测方法，其特征在于，所述统计模型为灰色叠加马尔可夫链模型，在每个子区域，根据所述管道腐蚀深度数据构建相应的统计模型，包括：
对子区域内所有监测点进行分别的灰色系统GM(1,1)建模；
汇总所有监测点对应的灰色系统GM(1,1)模型数据，进行齐次马尔可夫链参数估计，得到所述灰色叠加马尔可夫链模型。
5.根据权利要求4所述的燃气管道腐蚀预测方法，其特征在于，在每个子区域，根据所述管道腐蚀深度数据构建相应的统计模型，具体包括：
建立灰色系统GM(1,1)模型，求出管道腐蚀深度数据的预测数据，并与实际数据做比较，以进行模型精度检验；
根据管道腐蚀深度数据确认各检测时段的管道腐蚀状态，并将对应的模型状态作为马尔可夫链模型中的转移状态；
对同一子区域内的所有监测点，分别根据对应的灰色系统GM(1,1)模型给出预测数据，并得出对应的模型状态，进而估计一阶马尔可夫链转移概率。
6.根据权利要求5所述的燃气管道腐蚀预测方法，其特征在于，在将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析后，还基于新的管道腐蚀深度数据对所述灰色叠加马尔可夫链模型进行迭代更新。
7.根据权利要求2所述的燃气管道腐蚀预测方法，其特征在于，针对所述异常腐蚀管道区段所制定的检测方案包括增加检测手段、缩短检测周期。
8.一种燃气管道腐蚀预测装置，其特征在于，包括：
第一采集模块，所述第一采集模块用于采集监测区域内的管道腐蚀深度数据；
第二采集模块，所述第二采集模块用于采集监测区域内的土壤腐蚀性数据；
区域划分模块，所述区域划分模块用于根据所述土壤腐蚀性数据进行土壤腐蚀性分级，并根据区域位置和土壤腐蚀性级别将所述监测区域划分为多个子区域；
模型建立模块，所述模型建立模块用于在每个子区域，根据所述管道腐蚀深度数据构建相应的统计模型；
腐蚀预测模块，所述腐蚀预测模块用于根据所述统计模型对相应的子区域进行管道腐蚀状态预测。
9.根据权利要求8所述的燃气管道腐蚀预测装置，其特征在于，还包括：
异常判断模块，所述异常判断模块用于将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析，以判断是否存在异常腐蚀管道区段；
异常预警模块，所述异常预警模块用于对所述异常腐蚀管道区段进行预警。
10.根据权利要求9所述的燃气管道腐蚀预测装置，其特征在于，所述统计模型为灰色叠加马尔可夫链模型，所述模型建立模块用于对子区域内所有监测点进行分别的灰色系统GM(1,1)建模，并汇总所有监测点对应的灰色系统GM(1,1)模型数据，进行齐次马尔可夫链参数估计，得到所述灰色叠加马尔可夫链模型。
燃气管道腐蚀预测方法和装置
技术领域
[0001] 本发明涉及燃气管道腐蚀监测技术领域，具体涉及一种燃气管道腐蚀预测方法和一种燃气管道腐蚀预测装置。
背景技术
[0002] 地下燃气管道腐蚀造成的穿孔和泄露会造成严重的生产和安全事故，对其腐蚀状况进行有效预测对于制定合理的检测和维修方案具有重要意义。点蚀是局部腐蚀中比较危险的一种方式，其破坏性强且不易察觉。
[0003] 目前对于地下燃气管道腐蚀的分析和预测的数学模型有基于BP神经网络等，然而目前的预测模型多存在以下缺陷：缺乏考虑管道安装和监测的现实条件，对于一些腐蚀影响因素与管道腐蚀之间的关联性考虑的不够；用于建模的样本点过于稀疏，造成模型精度和可靠性不理想；部分技术处在理论研究阶段，未形成完整可行的技术方案。
发明内容
[0004] 本发明为解决上述技术问题，提供了一种燃气管道腐蚀预测方法和装置，能够提高预测模型的可靠性，提高预测精度，且具有实际可操作性。
[0005] 本发明采用的技术方案如下：
[0006] 一种燃气管道腐蚀预测方法，包括以下步骤：采集监测区域内的管道腐蚀深度数据和土壤腐蚀性数据；根据所述土壤腐蚀性数据进行土壤腐蚀性分级，并根据区域位置和土壤腐蚀性级别将所述监测区域划分为多个子区域；在每个子区域，根据所述管道腐蚀深度数据构建相应的统计模型；根据所述统计模型对相应的子区域进行管道腐蚀状态预测。
[0007] 所述的燃气管道腐蚀预测方法还包括：将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析，以判断是否存在异常腐蚀管道区段；对所述异常腐蚀管道区段进行预警并针对所述异常腐蚀管道区段制定检测方案。
[0009] 所述统计模型为灰色叠加马尔可夫链模型，在每个子区域，根据所述管道腐蚀深度数据构建相应的统计模型，包括：对子区域内所有监测点进行分别的灰色系统GM(1,1)建模；汇总所有监测点对应的灰色系统GM(1,1)模型数据，进行齐次马尔可夫链参数估计，得到所述灰色叠加马尔可夫链模型。
[0010] 根据所述管道腐蚀深度数据构建相应的统计模型，具体包括：建立灰色系统GM(1,1)模型，求出管道腐蚀深度数据的预测数据，并与实际数据做比较，以进行模型精度检验；
根据管道腐蚀深度数据确认各检测时段的管道腐蚀状态，并将对应的模型状态作为马尔可夫链模型中的转移状态；对同一子区域内的所有监测点，分别根据对应的灰色系统GM(1,1)模型给出预测数据，并得出对应的模型状态，进而估计一阶马尔可夫链转移概率。
根据管道腐蚀深度数据确认各检测时段的管道腐蚀状态，并将对应的模型状态作为马尔可夫链模型中的转移状态；对同一子区域内的所有监测点，分别根据对应的灰色系统GM(1,1)模型给出预测数据，并得出对应的模型状态，进而估计一阶马尔可夫链转移概率。
[0011] 在将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析后，还基于新的管道腐蚀深度数据对所述灰色叠加马尔可夫链模型进行迭代更新。
[0012] 针对所述异常腐蚀管道区段所制定的检测方案包括增加检测手段、缩短检测周期。
[0013] 一种燃气管道腐蚀预测装置，包括：第一采集模块，所述第一采集模块用于采集监测区域内的管道腐蚀深度数据；第二采集模块，所述第二采集模块用于采集监测区域内的土壤腐蚀性数据；区域划分模块，所述区域划分模块用于根据所述土壤腐蚀性数据进行土壤腐蚀性分级，并根据区域位置和土壤腐蚀性级别将所述监测区域划分为多个子区域；模型建立模块，所述模型建立模块用于在每个子区域，根据所述管道腐蚀深度数据构建相应的统计模型；腐蚀预测模块，所述腐蚀预测模块用于根据所述统计模型对相应的子区域进行管道腐蚀状态预测。
[0014] 所述的燃气管道腐蚀预测装置还包括：异常判断模块，所述异常判断模块用于将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析，以判断是否存在异常腐蚀管道区段；异常预警模块，所述异常预警模块用于对所述异常腐蚀管道区段进行预警。
[0015] 所述统计模型为灰色叠加马尔可夫链模型，所述模型建立模块用于对子区域内所有监测点进行分别的灰色系统GM(1,1)建模，并汇总所有监测点对应的灰色系统GM(1,1)模型数据，进行齐次马尔可夫链参数估计，得到所述灰色叠加马尔可夫链模型。
[0016] 本发明的有益效果：
[0017] 本发明实施例的燃气管道腐蚀预测方法和装置，通过采集监测区域内的管道腐蚀深度数据和土壤腐蚀性数据，并根据土壤腐蚀性数据进行土壤腐蚀性分级，以及根据区域位置和土壤腐蚀性级别将监测区域划分为多个子区域，在每个子区域，可根据管道腐蚀深度数据构建相应的统计模型，然后根据统计模型对相应的子区域进行管道腐蚀状态预测，由此，通过划分子区域，增加了样本数量，能够提高所构建的统计模型的可靠性，将土壤腐蚀性与燃气管道腐蚀建立关联，并通过统计模型进行管道腐蚀状态预测，能够提高预测精度，并且，结合具体检测数据，应用统计模型，具有实际可操作性。附图说明
[0018] 图1为本发明实施例的燃气管道腐蚀预测方法的流程图；
[0019] 图2为本发明一个实施例的燃气管道腐蚀预测方法的实现流程示意图；
[0020] 图3为本发明一个实施例的燃气管道腐蚀预测方法的流程图；
[0021] 图4为本发明实施例的燃气管道腐蚀预测装置的方框示意图；
[0022] 图5为本发明一个实施例的燃气管道腐蚀预测装置的方框示意图。
具体实施方式
[0023] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0024] 如图1所示，本发明实施例的燃气管道腐蚀预测方法包括以下步骤：
[0025] S1，采集监测区域内的管道腐蚀深度数据和土壤腐蚀性数据。
[0026] 在本发明的一个实施例中，土壤腐蚀性数据可包括土壤的电阻率、PH值和氧化还原电位数据。可在监测区域内的多个监测点分别设置腐蚀深度测量仪、电阻率测量仪、PH值测量仪和电位测量仪，以对应采集每个监测点的管道腐蚀深度数据和土壤腐蚀性数据。在本发明的一个具体实施例中，腐蚀深度测量仪可基于X光片、图像、超声波等测量埋地燃气管道的点蚀深度。
[0027] S2，根据土壤腐蚀性数据进行土壤腐蚀性分级，并根据区域位置和土壤腐蚀性级别将监测区域划分为多个子区域。
[0028] 在采集到监测区域内的管道腐蚀深度数据和土壤腐蚀性数据后，可对采集到的数据进行汇总分析。
[0029] 首先可根据《油气田及管道岩土工程勘察规范》(GB50568-2010)和DIN50929《土壤腐蚀性的影响及评价指数》(德国)土壤腐蚀性评价标准，对土壤腐蚀性进行分级，分级指标如表1：
[0030] 表1
[0031]土壤电阻率 土壤PH值 氧化还原电位(Eh7) 腐蚀等级
0～5 <3.5 <50 极强
5～20 3.5～4.5 50～100 强
20～50 4.5～6.5 100～200 中
50～100 6.5～8.5 200～400 弱
>100 >8.5 >400 极弱
0～5 <3.5 <50 极强
5～20 3.5～4.5 50～100 强
20～50 4.5～6.5 100～200 中
50～100 6.5～8.5 200～400 弱
>100 >8.5 >400 极弱
[0032] 然后，可根据区域位置和土壤腐蚀性级别将监测区域划分为多个子区域。对同一时间安装的同一类管道的监测点，汇总其管道腐蚀深度数据，一般认为土壤腐蚀性是管道点蚀最重要的影响因素，进而可以认为同一类区域，即子区域内的腐蚀进展服从同一个统计分布。接下来可基于每一个子区域内的数据分别构建统计模型，后续步骤涉及一个子区域的建模和预测过程。
[0033] S3，在每个子区域，根据管道腐蚀深度数据构建相应的统计模型。
[0034] 在本发明的一个实施例中，统计模型为灰色叠加马尔可夫链模型，参照图2，可对子区域内所有监测点(假设有N个)分别进行灰色系统GM(1,1)建模，并汇总所有监测点对应的灰色系统GM(1,1)模型数据，进行齐次马尔可夫链MC(Markov Chain)参数估计，得到灰色叠加马尔可夫链模型(GMCPS，Gray Markov Chains prediction model based on Probability Summation)。也就是说，灰色叠加马尔可夫链模型的构建包括灰色系统GM(1,1)建模和齐次马尔可夫链MC建模两部分。
[0035] 灰色模型(Grey Model，简称GM模型)一般表达方式为GM(n,x)模型，其含义是：用n阶微分方程对x个变量建立模型。该模型的特点是无需大量数据样本，短期预测效果好，运算过程简单。鉴于燃气管道腐蚀数据样本获取量有限，其点蚀深度符合指数规律，因而具有一定的适用性。
[0036] 在本发明的一个具体实施例中，首先，可建立灰色系统GM(1,1)模型，求出管道腐蚀深度数据的预测数据，并与实际数据做比较，以进行模型精度检验。
[0037] 具体地，设定某管道检测区段最大点蚀深度数据，按检测时间(间隔相同)依次为：(0) (0) (0) (0)
x ＝(x (1),x (2),…,x (n))，n为数据个数，将每一个数据累加以便弱化随机序列的波动性和随机性,得到新的数列为：x(1)＝(x(1)(1),x(1)(2),…,x(1)(n))，其中[0038] 根据灰色理论，对x(1)建立关于t的白化形式的一阶一元微分方程GM(1,1)：
x ＝(x (1),x (2),…,x (n))，n为数据个数，将每一个数据累加以便弱化随机序列的波动性和随机性,得到新的数列为：x(1)＝(x(1)(1),x(1)(2),…,x(1)(n))，其中[0038] 根据灰色理论，对x(1)建立关于t的白化形式的一阶一元微分方程GM(1,1)：
[0039]
[0040] 其中a、u为待解系数。该微分方程的解为：
[0041]
[0042] 其还原值 通过相减，计算得到：
[0043]
[0044] 令 则利用最小二乘原理得：
[0045]
[0046] 其中YT＝[x(0)(2),x(0)(3),…,x(0)(n)]，
[0047]
[0048] 代入式(3)，可以求得预测值计算式
[0049] 为确保模型可靠性，需对模型精度进行检验，这里采用后验差检验法，具体计算如下：
[0050] 设定残差 即观测值和预测值的差，原始数据的平均值 残差平均值 由此求得原始数据的标准差：
[0051]
[0052] 残差q(k)的标准差：
[0053]
[0054] 其后验差比值：
[0055]
[0056] 小误差概率p：
[0057]
[0058] 在后验差检验中，后验差比值c越小，精度越高，一般要求c<0.35(最大不超过0.65)，小误差概率p>0.95(不小于0.7)。
[0059] 然后，可根据管道腐蚀深度数据确认各检测时段的管道腐蚀状态，并将对应的模型状态作为马尔可夫链模型中的转移状态。
[0061] 表2
[0062]腐蚀状态 最大点蚀深度 模型状态
轻度 <1mm 1
中度 1～2mm 2
重度 2mm～50％壁厚 3
严重 50～80％壁厚 4
穿孔 >80％壁厚 5
轻度 <1mm 1
中度 1～2mm 2
重度 2mm～50％壁厚 3
严重 50～80％壁厚 4
穿孔 >80％壁厚 5
[0063] 进而，可对同一子区域内的所有监测点，分别根据对应的灰色系统GM(1,1)模型获得的预测公式 给出预测数据，并得出对应的模型状态，进而估计一阶马尔可夫链转移概率。
[0064] 具体地，设p(xn+1＝in+1|xn＝in)表示在第n次检测时间，燃气管道腐蚀状态是in的条件下，第n+1次检测时间，状态是in+1的概率。若其转移概率和检测时间无关，则转移概率的估计式如下：
[0065] pi,j＝P(xn+1＝j|xn＝i)＝Mi,j/Mi (9)
[0066] 其中，Mi,j为从状态i经过一步转移到状态j的转移次数，Mi为处于状态i的次数。用P表示模型的状态转移概率矩阵，如表2，有5个腐蚀状态。
[0067]
[0068] 根据公式(9)，统计已知观测值和GM(1,1)预测值的计数，对马尔可夫转移概率矩阵P参数进行估计P＝(pi,j)。
[0069] 最后，还可对构建的灰色叠加马尔可夫链模型进行“马氏性”检验。
[0070] 具体地，设定fij为状态i转移到j的频数，计算边际概率p-j：
[0071]
[0072] 根据转移概率矩阵计算统计量χ2：
[0073]
[0074] 给定显著性水平α，查表可得χα2，当 时，模型管道点蚀深度序列值满足马氏性。
[0075] S4，根据统计模型对相应的子区域进行管道腐蚀状态预测。
[0076] 参照图2，可通过构建的灰色叠加马尔可夫链模型对每个监测点分别进行管道腐蚀状态预测。
[0077] 具体地，设定预测模型某一初始状态用向量表示，记为S0，则依据马尔可夫模型，第1步的状态概率S1＝S0P。在齐次模型下，Sn＝S0P(n)。在GMCPS模型下，其每个状态的预测概率计算如下：设与待预测年份相距步长k的年份所处状态为i，计算步长k的状态转移矩阵P(k)的第i个行向量，叠加不同步长的行向量即可求得指标值处于该状态的预测概率。取概率值最高的状态即为待预测年份的管道腐蚀预测状态。
[0078] 进一步地，如图3所示，本发明实施例的燃气管道腐蚀预测方法还可包括：
[0079] S5，将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析，以判断是否存在异常腐蚀管道区段。
[0080] 将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析，一方面可评估统计模型的可靠性，另一方面，在预测数据与实际数据较为接近时，可在当前或后续预测数据中某一管道区段的管道腐蚀深度较大时判定该管道区段位异常腐蚀管道区段。
[0081] 另外，在将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析后，还可基于新的管道腐蚀深度数据对统计模型进行迭代更新。即执行该步骤S5后可返回步骤S2，基于新的数据重新构建统计模型。
[0082] S6，对异常腐蚀管道区段进行预警并针对异常腐蚀管道区段制定检测方案。
[0083] 在判定异常腐蚀管道区段后，可对其进行预警，以便针对性地制定维修方案。进一步地，还可针对异常腐蚀管道区段制定检测方案，例如可增加检测手段、缩短检测周期等。
[0084] 根据本发明实施例的燃气管道腐蚀预测方法，通过采集监测区域内的管道腐蚀深度数据和土壤腐蚀性数据，并根据土壤腐蚀性数据进行土壤腐蚀性分级，以及根据区域位置和土壤腐蚀性级别将监测区域划分为多个子区域，在每个子区域，可根据管道腐蚀深度数据构建相应的统计模型，然后根据统计模型对相应的子区域进行管道腐蚀状态预测，由此，通过划分子区域，增加了样本数量，能够提高所构建的统计模型的可靠性，将土壤腐蚀性与燃气管道腐蚀建立关联，并通过统计模型进行管道腐蚀状态预测，能够提高预测精度，并且，结合具体检测数据，应用统计模型，具有实际可操作性。
[0085] 此外，通过对统计模型，例如上述具体实施例的灰色叠加马尔可夫链模型的不断更新，能够获取新的、更准确的管道腐蚀状态，并针对性地制定新的检测和维修方案。
[0086] 对应上述实施例的燃气管道腐蚀预测方法，本发明还提出一种燃气管道腐蚀预测装置。
[0087] 如图4所示，本发明实施例的燃气管道腐蚀预测装置，包括第一采集模块10、第二采集模块20、区域划分模块30、模型建立模块40和腐蚀预测模块50。其中，第一采集模块10用于采集监测区域内的管道腐蚀深度数据；第二采集模块20用于采集监测区域内的土壤腐蚀性数据；区域划分模块30用于根据土壤腐蚀性数据进行土壤腐蚀性分级，并根据区域位置和土壤腐蚀性级别将监测区域划分为多个子区域；模型建立模块40用于在每个子区域，根据管道腐蚀深度数据构建相应的统计模型；腐蚀预测模块50用于根据统计模型对相应的子区域进行管道腐蚀状态预测。
[0088] 在本发明的一个实施例中，土壤腐蚀性数据可包括土壤的电阻率、PH值和氧化还原电位数据。第一采集模块10可包括在监测区域内的多个监测点分别设置的腐蚀深度测量仪，第二采集模块20可包括在监测区域内的多个监测点分别设置的电阻率测量仪、PH值测量仪和电位测量仪。在本发明的一个具体实施例中，腐蚀深度测量仪可基于X光片、图像、超声波等测量埋地燃气管道的点蚀深度。
[0089] 区域划分模块30可对采集到的数据进行汇总分析。首先区域划分模块30可根据《油气田及管道岩土工程勘察规范》(GB50568-2010)和DIN50929《土壤腐蚀性的影响及评价指数》(德国)土壤腐蚀性评价标准，对土壤腐蚀性进行分级，分级指标如表1。然后，区域划分模块30可根据区域位置和土壤腐蚀性级别将监测区域划分为多个子区域。对同一时间安装的同一类管道的监测点，汇总其管道腐蚀深度数据，一般认为土壤腐蚀性是管道点蚀最重要的影响因素，进而可以认为同一类区域，即子区域内的腐蚀进展服从同一个统计分布。接下来可基于每一个子区域内的数据分别构建统计模型，后续涉及一个子区域的建模和预测过程。
[0090] 在本发明的一个实施例中，统计模型为灰色叠加马尔可夫链模型，参照图2，模型建立模块40可对子区域内所有监测点(假设有N个)分别进行灰色系统GM(1,1)建模，并汇总所有监测点对应的灰色系统GM(1,1)模型数据，进行齐次马尔可夫链参数估计，得到灰色叠加马尔可夫链模型(GMCPS，Gray Markov Chains prediction model based on Probability Summation)。也就是说，灰色叠加马尔可夫链模型的构建包括灰色系统GM(1,1)建模和齐次马尔可夫链MC(Markov Chain)建模两部分。
[0091] 灰色模型(Grey Model，简称GM模型)一般表达方式为GM(n,x)模型，其含义是：用n阶微分方程对x个变量建立模型。该模型的特点是无需大量数据样本，短期预测效果好，运算过程简单。鉴于燃气管道腐蚀数据样本获取量有限，其点蚀深度符合指数规律，因而具有一定的适用性。
[0092] 在本发明的一个具体实施例中，首先，模型建立模块40可建立灰色系统GM(1,1)模型，求出管道腐蚀深度数据的预测数据，并与实际数据做比较，以进行模型精度检验。
[0093] 具体地，设定某管道检测区段最大点蚀深度数据，按检测时间(间隔相同)依次为：x(0)＝(x(0)(1),x(0)(2),…,x(0)(n))，n为数据个数，将每一个数据累加以便弱化随机序列的波动性和随机性,得到新的数列为：x(1)＝(x(1)(1),x(1)(2),…,x(1)(n))，其中[0094] 根据灰色理论，对x(1)建立关于t的白化形式的一阶一元微分方程GM(1,1)：
[0095]
[0096] 其中a、u为待解系数。该微分方程的解为：
[0097]
[0098] 其还原值 通过相减，计算得到：
[0099]
[0100] 令 则利用最小二乘原理得：
[0101]
[0102] 其中YT＝[x(0)(2),x(0)(3),…,x(0)(n)]，
[0103]
[0104] 代入式(3)，可以求得预测值计算式
[0105] 为确保模型可靠性，需对模型精度进行检验，这里采用后验差检验法，具体计算如下：
[0106] 设定残差 即观测值和预测值的差，原始数据的平均值 残差平均值 由此求得原始数据的标准差：
[0107]
[0108] 残差q(k)的标准差：
[0109]
[0110] 其后验差比值：
[0111]
[0112] 小误差概率p：
[0113]
[0114] 在后验差检验中，后验差比值c越小，精度越高，一般要求c<0.35(最大不超过0.65)，小误差概率p>0.95(不小于0.7)。
[0115] 然后，模型建立模块40可根据管道腐蚀深度数据确认各检测时段的管道腐蚀状态，并将对应的模型状态作为马尔可夫链模型中的转移状态。
[0116] 具体地，依据国家现行标准《钢制管道管体腐蚀损伤评价方法》SY/T6151的规定，将管壁腐蚀程度划分为轻、中、重、严重、穿孔五种状况，如表2所示。将此状态作为马尔可夫链模型中的转移状态。
[0117] 进而，模型建立模块40可对同一子区域内的所有监测点，分别根据对应的灰色系统GM(1,1)模型获得的预测公式 给出预测数据，并得出对应的模型状态，进而估计一阶马尔可夫链转移概率。
[0118] 具体地，设p(xn+1＝in+1|xn＝in)表示在第n次检测时间，燃气管道腐蚀状态是in的条件下，第n+1次检测时间，状态是in+1的概率。若其转移概率和检测时间无关，则转移概率的估计式如下：
[0119] pi,j＝P(xn+1＝j|xn＝i)＝Mi,j/Mi (9)
[0120] 其中，Mi,j为从状态i经过一步转移到状态j的转移次数，Mi为处于状态i的次数。用P表示模型的状态转移概率矩阵，如表2，有5个腐蚀状态。
[0121]
[0122] 根据公式(9)，统计已知观测值和GM(1,1)预测值的计数，对马尔可夫转移概率矩阵P参数进行估计P＝(pi,j)。
[0123] 最后，模型建立模块40还可对构建的灰色叠加马尔可夫链模型进行“马氏性”检验。
[0124] 具体地，设定fij为状态i转移到j的频数，计算边际概率p-j：
[0125]
[0126] 根据转移概率矩阵计算统计量χ2：
[0127]
[0128] 给定显著性水平α，查表可得χα2，当 时，模型管道点蚀深度序列值满足马氏性。
[0129] 参照图2，腐蚀预测模块50可通过模型建立模块40构建的灰色叠加马尔可夫链模型对每个监测点分别进行管道腐蚀状态预测。
[0130] 具体地，设定预测模型某一初始状态用向量表示，记为S0，则依据马尔可夫模型，第1步的状态概率S1＝S0P。在齐次模型下，Sn＝S0P(n)。在GMCPS模型下，其每个状态的预测概率计算如下：设与待预测年份相距步长k的年份所处状态为i，计算步长k的状态转移矩阵P(k)的第i个行向量，叠加不同步长的行向量即可求得指标值处于该状态的预测概率。取概率值最高的状态即为待预测年份的管道腐蚀预测状态。
[0131] 进一步地，如图5所示，本发明实施例的燃气管道腐蚀预测装置还可包括异常判断模块60和异常预警模块70。异常判断模块60用于将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析，以判断是否存在异常腐蚀管道区段；异常预警模块70用于对异常腐蚀管道区段进行预警。
[0132] 异常判断模块60将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析，一方面可评估统计模型的可靠性，另一方面，在预测数据与实际数据较为接近时，可在当前或后续预测数据中某一管道区段的管道腐蚀深度较大时判定该管道区段位异常腐蚀管道区段。
[0133] 另外，在异常判断模块60将预测的管道腐蚀状态与采集到的管道腐蚀深度数据进行比对分析后，区域划分模块30和模型建立模块40还可基于新的管道腐蚀深度数据对统计模型进行迭代更新。
[0134] 在判定异常腐蚀管道区段后，异常预警模块70可对其进行预警，以便针对性地制定维修方案。进一步地，还可针对异常腐蚀管道区段制定检测方案，例如可增加检测手段、缩短检测周期等。
[0135] 根据本发明实施例的燃气管道腐蚀预测装置，通过采集监测区域内的管道腐蚀深度数据和土壤腐蚀性数据，并根据土壤腐蚀性数据进行土壤腐蚀性分级，以及根据区域位置和土壤腐蚀性级别将监测区域划分为多个子区域，在每个子区域，可根据管道腐蚀深度数据构建相应的统计模型，然后根据统计模型对相应的子区域进行管道腐蚀状态预测，由此，通过划分子区域，增加了样本数量，能够提高所构建的统计模型的可靠性，将土壤腐蚀性与燃气管道腐蚀建立关联，并通过统计模型进行管道腐蚀状态预测，能够提高预测精度，并且，结合具体检测数据，应用统计模型，具有实际可操作性。
[0136] 此外，通过对统计模型的不断更新，能够获取新的、更准确的管道腐蚀状态，并针对性地制定新的检测和维修方案。
[0137] 在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0138] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于表面等离激元的硅基纳米激光器及其制备方法 | 2020-05-08 | 198 |
| 一种固态电容碳箔纳米导电碳浆及其制备方法 | 2020-05-08 | 504 |
| 全柔性可加热式气体传感器及其制作方法 | 2020-05-08 | 222 |
| 一种模块化装配式钢结构房屋的施工方法 | 2020-05-11 | 865 |
| 传送手臂 | 2020-05-08 | 600 |
| 一种化工合成过程中的自动取样装置 | 2020-05-08 | 845 |
| 一种平坦化反刻方法 | 2020-05-08 | 191 |
| 三氯硅烷制造装置以及三氯硅烷的制造方法 | 2020-05-08 | 567 |
| 光刻胶清洗剂及半导体基板上光刻胶的清洗方法 | 2020-05-08 | 702 |
| 一种简单检测压焊损伤的方法 | 2020-05-08 | 130 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈