数模融合驱动的集输管道内腐蚀预测

为提升天然气集输管道内壁腐蚀深度预测精度，基于腐蚀机理模型与高斯过程回归(GPR)建立了数模融合驱动的管道内腐蚀深度预测模型。将GPR引入管道内壁腐蚀深度预测中，首先根据腐蚀深度物理模型得到线性腐蚀增量模型，并将其融入高斯过程线性核函数中；然后进一步将平方指数核函数融合至上述核函数中，提高模型局部学习能力，构建用于腐蚀深度预测的Velázquez-GP模型；最后以重庆气矿天高线B段管道内壁腐蚀监测数据为研究对象，探讨了Velázquez-GP与Velázquez模型、GPR法、GM(1, 1)法及RPGM(1, 1)法预测结果的差异。结果表明，Velázquez-GP的预测结果与实际值吻合情况最优，相对误差分布在-8%～8%,且持续20个月相对误差介于-2%～2%,均方根误差(E_RMS)为3.824 3μm,平均绝对百分比误差(E_MAP)为2.046 7%,各项评价指标均优于4种对比方法，证明了所建预测模型具有更高的预测精度及泛化能力，可有效并长期实现对管道内壁腐蚀深度的预测。