支持向量机在管道腐蚀速率预测的应用研究

＊赵清娜秦海燕

（1.南京市燃气工程设计院有限公司 江苏 210009 2.中国石油工程建设有限公司华北分公司 河北 062550）

支持向量机在管道腐蚀速率预测的应用研究

＊赵清娜1秦海燕2

（1.南京市燃气工程设计院有限公司 江苏 210009 2.中国石油工程建设有限公司华北分公司 河北 062550）

埋地管道腐蚀速率的影响因素很多,用支持向量机法和人工神经网络方法对腐蚀速率进行研究,并对两种方法进行对比，得出支持向量机法较神经网络具有较高的识别准确率。

SVR；BP；非线性；腐蚀速率；埋地管道

引起长输管道腐蚀的因素很多，实践证明，最小二乘法在进行非线性拟合时效果不是很理想。目前应用最广的非线性拟合方法是人工神经网络法（Artificial Neural Network，ANN）和支持向量法(Support Vector Regression，SVR)。

本文将两种方法用于处理管道腐蚀数据，通过比较仿真训练结果，得出在小样本模拟训练时，SVR法优于BP法。

1.BP神经网络法分析腐蚀数据

目前应用最广、研究最多的神经网络是BP神经网络（Back Propagation NN） ，它是人工神经网络模型的一种。对管道腐蚀速率产生主要影响因素有：PH值、含盐量（包括HCO3-、Cl-、SO42-等）、含水量、土壤氧化还原电位、电阻率等，即输入层节点为7。管道腐蚀速率为输出层节点，数值为1。由上可得隐含层节点数：

式中：n--隐蔽层的节点数；

ni--输入层的节点数；

n0--输出层的节点数；

a--1～10之间的常数。

预测值的训练预测结果见表1:

表1 BP法训练预测效果

2.支持向量机法分析腐蚀数据

支持向量机理论可以应用于多元非线性、函数形式不确定的问题的求解与分析。在将结构的风险最小化与数学理论基础和原则结合的情况下，支持向量机理论不仅具有较强的泛化能力和算法全局最优性，而且支持向量机的学习效率相对也较高。

设自变量x∈Rn。对于给定的非线性训练集用式（2）统一表示拟合函数：

将式（3）的求解问题采用Phillips方法转化为二次规划问题的解，如式（4）表示：

将式（4）以Wolf对偶规划为依据进一步整理为对偶规划问题，见式（5）：

通过拟合训练，预测结果见表2：

3.BP人工神经网络与支持向量机（SVR法）的比较

将表1、表2所得结果作图如下：

由上图看出，SVR法所得数据与实测值曲线起伏状况一致，在对具有相似性质的试验数据进行预测时，SVR法可以更好的预测结果，支持向量机法的适用性更强。

表2 SVR法拟合预测效果

SVR与BP法结果比较图

4.结束语

(1)BP法和SVR法在非线性回归中表现出很好的学习能力，实例表明,在小样本情况下, SVR法可以有效克服BP法预测时的固有缺陷, SVR法的预测精度要高于BP法。

(2)SVM方法可以推广应用到长输管道腐蚀速率预测中，对于管道剩余寿命的预测提供一定的理论基础。

[1]赵清娜．埋地管道土壤腐蚀性与防护研究[D]．中国石油大学,2011．

[2]Simon Haykin．神经网络原理[M]．叶世伟,史忠植译．北京：机械工业出版社,2004:109-121．

[3]Martin Hagan T,Howard Demuth B,Mark Beale H,et al．神经网络设计[M]．戴葵译．北京:机械工业出版社,2002:197-221．

[4]蒋宗礼．人工神经网络导论[M]．北京:高等教育出版社,2001: 97-106．

[5]兰浩．应用支持向量回归预测胶凝原油启动屈服应力[J]．中国石油大学学报(自然科学版),2003,15(11):1580-1585．

(责任编辑 责聪)

Application of Support Vector Machine in Pipeline Corrosion Rate Prediction

Zhao Qingna1, Qin Haiyan2
（1.Fuel Gas Engineering Design Institute co., ltd. of Nanjing, Jiangsu, 210009 2.North China Branch Company, China Petroleum Engineering and Construction Corporation, Hebei, 062550）

There are lots of factors in fl uencing the corrosion rate of buried pipeline. Use support vector machine method and arti ficial neural network method to study the corrosion rate, besides, compare the two methods, finally, it has been got that the support vector machine has higher recognition accuracy than the neural network method.

SVR；BP；nonlinearity；corrosion rate；buried pipeline

T

A

赵清娜（1985～），女，南京市燃气工程设计院有限公司；研究方向：油气储运技术工作。