基于IAOA-KELM的储气库注采管柱内腐蚀速率预测

针对储气库注采管柱的内腐蚀速率预测问题,建立了基于阿基米德优化算法(Archimedes Optimization Algorithm, AOA)与核极限学习机(Kernel Extreme Learning Machine, KELM)相结合的模型提高腐蚀速率预测精度。通过引入佳点集、改进密度降低因子、采用黄金正弦算法缩小搜索空间,提高局部开发能力,利用改进阿基米德优化算法(Improved Archimedes Optimization Algorithm, IAOA)优化KELM正则化系数(C)和核函数参数(γ),进而建立IAOA-KELM储气库注采管柱内腐蚀速率预测模型;使用MATLAB软件运用该模型对某注采管柱内腐蚀数据集进行学习与预测,将IAOA-KELM模型与KELM、粒子群优化算法(Particle Swarm Optimization, PSO)-KELM、AOA-KELM结果进行预测误差对比。结果表明,IAOA-KELM模型的预测值与实际值较为拟合,其E_RMSE为0.65%,E_MAE为0.39%,R²...     

煤制甲醇循环水系统中块状污垢的分析和控制

煤制甲醇厂的循环冷却水系统中因轻微泄漏出现泡沫和微小块状污垢,取样后通过光学显微观察、扫描电镜和化学显色分析表明,该污垢主要为细菌纤维素,并采用微生物学分离手段获得1株优势菌。经16S rDNA基因序列及BIOLOG碳源利用分析表明,该菌为木葡糖酸醋杆菌(Gluconacetobacter xylinus)。甲醇浓度和pH值对该菌产纤维素能力影响较大,甲醇浓度为15~25 mL/L时产纤维素最强,pH值为8~9时纤维素产量仅为pH值5.0时的50%。当与其他甲醇降解菌共同生长时,由于竞争性排除、生态位争夺等作用,该菌产纤维素能力下降超过37.9%。该发现为生物法控制煤制甲醇循环冷却水系统中的纤维素污垢提供科学依据。     

基于阴极保护数字化指引系统的安全监管新模式

为改善传统阴极保护数据人工采集的弊端,实现电位的综合自动分析和预警,通过对阴极保护业务对象、业务规则和业务过程的数字化管理,开发了阴极保护数字化指引系统。研究表明:该系统可实现测试人员位置与测试桩位置自动校核,日常阴极保护测试数据自动图像识别上传、存疑数据校核与复测、数据分析与预警等,实现了阴极保护日常工作的数字化管理,降低了管道阴极保护系统的管理和运维成本,提高了阴极保护系统的安全监管能力,做到了隐患的及时发现与处理,有效降低了人因失误的发生率,奠定了管网安全生产系统数字整合的基础,明确了数字化安全监管新模式对国家管网生产安全的重要意义。