基于BR-BP神经网络的页岩气集输管道冲蚀动态预测

页岩气集输管道在生产过程中的介质含砂量明显高于常规天然气且伴随着压力和流量的显著衰减,这导致集输管道管壁受到冲蚀迅速减薄甚至穿孔,为了实现对页岩气集输管道长期运行的可靠性评估和风险预警,采用了贝叶斯正则化(BR)方法训练的BP神经网络,建立了页岩气集输管道的壁厚动态预测模型.首先分析确定预测模型输入参量;然后通过管线对应数据进行BP神经网络的BR法训练及检验,并建立壁厚动态预测模型;最后通过该模型对实际监测数据进行实例应用,并与其他神经网络建立的预测模型相对比.该模型弥补了常规传统方法训练下BP神经网络模型容易陷入局部极小值的缺点,增强了模型的推广泛化能力,减小了壁厚预测误差提高了精度,并且能够根据新的监测数据进行动态预测,通过壁厚的预测来反映具体冲蚀情况.