原油管道蜡沉积速率预测模型研究_肖荣鸽.pdf

第 卷 第 期 年 月 化 学 工 程（）收稿日期：基金项目：陕西省教育厅 年度服务地方专项计划项目（）；陕西省科技厅重点研发计划项目（）作者简介：肖荣鸽（），女，博士，教授，研究方向为油气管道流动保障技术，电话：，：。化工过程装备与控制原油管道蜡沉积速率预测模型研究肖荣鸽，刘 博，刘国庆，戴 政，张 鹏（西安石油大学 陕西省油气田特种增产技术重点实验室，陕西 西安；西安西北石油管道有限公司 维抢修分公司，陕西 西安）摘要：准确地预测原油管道蜡沉积速率能够有效确定清管周期，以保证原油管道安全运行。针对 神经网络（）模型学习效率低、对初始权重敏感且容易陷入局部最优状态等缺点，采用改进的麻雀搜索算法（）来优化 的初始权值和阈值，建立 蜡沉积速率预测模型。以华池作业区 组蜡沉积实验数据为研究对象，使用 软件搭建预测模型并进行预测，同时与 模型、遗传算法优化的 模型（）、粒子群优化算法优化的 模型（）以及 模型进行对比分析。结果表明：模型预测蜡沉积速率的平均相对误差为 ，决定系数 为 ，均优于、和 模型的预测结果，证明了 模型作为预测管道蜡沉积速率工具的准确性和可行性。关键词：蜡沉积速率；含蜡原油；麻雀搜索算法；神经网络；混沌映射中图分类号：文献标识码：文章编号：（）：，（，；，）：（），（），（），（），：；管道运输作为第五大运输方式，因其输送量大、经济环保、能耗低、不易受外部条件限制等诸多优势，在石油与天然气运输环节发挥着重要的作用。但在管输含蜡原油过程中，当管壁温度低于油温且低于析蜡点时，油流中的蜡分子会逐渐析出，在分子扩散、剪切剥离和老化等机理共同作用下肖荣鸽等 原油管道蜡沉积速率预测模型研究 投稿平台：在管壁处形成沉积，进而出现摩阻损失增大、流通面积减小、回接管道压降增大、凝管等一系列问题。因此准确预测蜡沉积速率对于确定清管周期、保证原油管道安全运行具有重要意义。苏文坤等将蜡沉积预测模型分为了热力学、动力学和计算机训练模型 类。近年来随着计算机及智能算法的发展，该方面的研究也更多倾向于计算机智能算法。周诗岽等最先将神经网络用于原油管道蜡沉积速率预测，但主要采用的是单一神经网络模型，其预测精度与稳定性有限。靳文博等在研究蜡沉积速率时首次将最小二乘支持向量机（）用于蜡沉积速率预测；王磊等基于，在考虑了 个影响蜡沉积速率因素的基础上，使用不同算法对 的参数进行了优化，建立了蜡沉积速率预测模型。以上 种模型对比单一模型，在预测精度上有一定的提升。蜡沉积速率与影响因素之间是复杂的非线性关系，而目前使用的神经网络预测模型普遍存在学习效率低、收敛速度慢且容易陷入局部最优状态等问题；模型存在训练算法的复杂度较大、计算时间长、使用基函数多等问题。麻雀搜索算法（）作为一种新型的群智能全局寻优算法，已被广泛应用于各行业领域。具有寻优能力强、收敛速度快、稳定性好、鲁棒性强等特点，但该算法在寻优后期存在种群多样性减少、易陷入局部最优等问题。文中对 进行改进，用于优化 神经网络（），从而建立 预测模型，并将该模型用来预测原油管道蜡沉积速率。同时与、遗传算法优化的（）、粒子群算法优化的（）以及 模型进行对比，证明了 模型在原油管道蜡沉积速率预测方面的可行性与准确性。及优化算法介绍 模型概述 是一种多层前馈网络，由输入层、隐含层和输出层组成。图 是典型的 层 拓扑结构图，层与层之间采用全互联方式，同一层之间不存在相互连接。信号的正向传播和误差的反向传播是 神经网络算法的 个方面，即计算实际输出时是输入到输出的方向进行，而权值和阈值的修正是从输出到输入的方向进行。图 典型 层 神经网络结构图 图 中，表示输入层第 个节点的输入，；，表示隐含层第 个节点到输入层第 个节点之间的权值；表示隐含层第 个节点的阈值；表示隐含层的激励函数；，表示输出层第 个节点到隐含层第 个节点之间的权值，；表示输出层第 个节点的阈值；表示输出层的激励函数；表示输出层节点的输出。优化算法概述遗传算法是一种进化算法，其基本原理是仿效生物界中“物竞天择，适者生存”的演化法则，主要包括编码、生成初始群体、适应度评估、选择、交叉和变异 个部分。算法的核心思想是在有限空间中创建 个粒子，每个粒子仅具有 个属性：速度和位置。每个粒子单独搜寻最优解并将最优解由整个粒子群共享，从而达到优化的目的。该算法的速度迭代公式是（）（）（）（）（）（）（）式中：，为粒子总数；为当前迭代次数；为惯性权重；为粒子的速度；，为随机数；为粒子 当前的位置；为粒子 当前的个体最优位置；为粒子群当前最优位置；、为学习因子，通常取。年，薛建凯受到麻雀的觅食行为和反捕食行为的启发而提出了。该算法将一个麻雀种群的所有个体分为发现者和加入者 种角色，并在实际建模过程中以适应度值（）来表征麻雀个体的能量储备。同时叠加了侦察预警机制，即在种群中选择 到 的个体进行侦察预警，将该部分麻雀称为警戒者。在采用 解决实际 维待优化问题的过程中，将由 只麻雀组成的种群设为化学工程 年第 卷第 期 投稿平台：，|（）整个麻雀种群的适应度值可以表示为（，）（，）|（）式中：表示种群中单只麻雀的适应度值。种群中发现者位置的更新由下式描述：，|，|（）式中：为当前代数；，；，为第 只麻雀在第 维中的位置信息；为，之间的一个随机数；为最大迭代次数；（，）为预警值；（，）为安全值；为一个随机数且服从正态分布；为元素全为 的 维矩阵。根据捕食规则，加入者位置的更新由式（）描述：，|，|（）式中：为当前发现者占据的最佳位置；为当前全局最差位置；为元素被随机赋值为 或 的 维矩阵，且满足 （）。警戒者的初始位置是在种群中随机产生的，其位置的更新由式（）描述：，（）|，|（）式中：为当前全局最佳位置；为步长控制参数；为，上的随机数；、和 分别为当前个体、全局最佳和最差的适应度值；是为了避免分母出现 而设定的最小常数。混沌映射优化 映射又称帐篷映射，其结构简单，且映射呈现的结果分布密度比较均匀，具有很好的遍历性，其表达式为：，|（）式中：参数 的取值范围是 。映射在其参数范围内是一个混沌映射，并且具有均匀的分布函数和良好的相关性，在 可取范围内，系统都处于混沌状态。在改进 时，主要是利用 混沌映射策略初始化种群。改进后的算法流程为：利用 映射策略初始化种群，迭代次数，初始化发现者和加入者比例；计算适应度值，并排序；更新发现者位置；更新加入者位置；更新警戒者位置；计算适应度值并更新麻雀位置；是否满足停止条件，满足则退出，输出结果，否则，重复执行步骤。建模与评价 模型构建将 算法、算法、算法以及 算法分别用于优化 模型的初始权值和阈值，构建含蜡原油蜡沉积速率预测模型，具体模型的构建流程如图 所示。评价指标为评估各模型的预测效果，选取平均绝对误差（）、均方根误差（）、平均绝对百分比误差（）和决定系数 作为评价指标。其中 （）（）（）（）（）（）（）式中：、分别为蜡沉积速率的实验值、预测值、平均值；为测试样本总数；表示预测值与实验值误差的大小；表示预测值与实验值的离散化程度；表示模型整体误差。、和 的值越小，模型的预测精度越高。决定系数 越大且越接近，表示模型越精确。实例分析 数据采集及参数设定采用华池作业区原油的 组蜡沉积实验数据，随机选取 组作为训练样本，剩余 组作为测试样本，进而验证模型的预测效果。肖荣鸽等 原油管道蜡沉积速率预测模型研究 投稿平台：图 优化模型流程图 模型参数设定在闭区间上，单隐含层 可以逼近任何一个连续函数，加之本研究的数据量不大，故 采用 层网络结构。设置训练次数为，学习速率为 ，训练目标最小误差为 。网络输入层为影响蜡沉积速率的因素：油温、壁温、原油动力黏度、管壁处剪切应力、流速、管壁处温度梯度和管壁处蜡分子浓度梯度，故输入层神经元个数为；输出层为蜡沉积速率，故输出层神经元个数为；隐含层神经元个数根据经验公式（）确定。通过试值来确定最优隐含层神经元个数，试值结果见图。（）式中：为隐含层神经元个数，为输入层神经元个数，为输出层神经元个数，为 之间的整数。故 的取值范围是。由图 可知，隐含层神经元个数取，故 的网络拓扑结构为。优化算法参数设定各优化算法的参数设定见表。表 优化算法参数设定 优化算法参数名称值优化算法参数名称值优化算法参数名称值种群大小最大进化代数交叉概率 变异概率 种群大小最大进化代数学习因子惯性权重 种群大小最大迭代次数发现者比例 警戒者比例 预警值 化学工程 年第 卷第 期 投稿平台：图 不同 时的均方误差 预测结果与分析、以及 种模型预测蜡沉积速率的结果见表，相对误差见图。由表 和图 可知，与单一的 相比，经优化的 种 模型预测所产生误差区间大幅减小，使得模型整体预测精度得到提升。种蜡沉积速率模型整体对比情况如表 所示。由表 可知，的预测效果最差，它的、均为 种模型中最大的。、的预测精度相当，略优于 和。而 预测效果最好，值低至 。说明 在蜡沉积速率预测方面具有较高的准确性。表 预测结果统计表 序号 为相对误差。图 预测结果相对误差 表 预测效果对比 模型运行时间 本研究涉及的模型均由 编写并运行，运行环境为：、位操作系统。在模型收敛速度方面，表 所示的各模型的运行时间仅限在本文实验条件下的运行时间。单一 仅耗时 。组合模型由于优化算法需要迭代寻优，故耗时较长。虽然 和 的预测精度相当，但 的运行时间比 快 。与 和 相比，不但预测精度得到了提升，而且运行时间也大幅减少，仅耗时 。运行时间比 长 ，但预测精度却提升近。针对本文中的预测问题，这一结果表明 需要“牺牲”收敛速度以保持预测精度。根据机器学习中的 定理（），这一模型是可靠的。为了进一步说明 作为预测管道蜡沉积速率工具的准确性，通过式（）计算得到各模型的决定系数 值，如表 所示。由表 可知，模型的 值最小，肖荣鸽等 原油管道蜡沉积速率预测模型研究 投稿平台：与 的 值接近，说明这 种模型预测精度相当。模型的 值最大且最接近于，说明 模型的蜡沉积速率预测结果与实验值最为贴近，该模型预测精度最好。表 各模型决定系数 模型 结论（）使用 混沌映射策略初始化 的种群，能够使 蜡沉积速率预测模型的预测精度得到进一步提升。（）从不同角度对文中所涉及的 种蜡沉积速率预测模型进行比较，结果显示 模型预测精度最好，其 值低至 ，值最大且最接近于，故该模型可用于原油管道蜡沉积速率预测。（）采用 模型进行蜡沉积速率预测可为确定清管周期、保证含蜡原油管道安全运行提供决策支持。但本文模型中，数据有限，如若能在实际生产过程中累积更充足的数据作为神经网络的训练集，对于提升 模型的性能会产生积极的影响。参考文献：陈浩，沈博臣，钱泓超 油气管道运输中的工艺设备与自动化控制 制造业自动化，（）：刘朝阳，栾石柱，韩文超，等 含蜡原油蜡沉积影响因素对比试验 油气储运，（）：黄启玉，毕权，李男 油水两相流蜡沉积研究进展化工进展，（）：，（）：黄启玉，毕权，李男 油水两相流蜡沉积研究进展化工进展，（）：全青，吴海浩，高歌，等 不同温度下单相含蜡原油的蜡沉积规律 油气储运，（）：娄博文，王鹏宇，徐硕，等 单相输油管道蜡沉积研究进展 油气储运，（）：刘刚，付伟娜，滕厚兴，等 流变仪响应特性对含蜡原油屈服应力测试结果的影响 油气储运，（）：江俊达，黄启玉，高雪冬，等 流花 油田海底管道原油蜡沉积规律实验研究 中国海上油气，（）：苏文坤，成庆林，孙巍 原油管道蜡沉积预测模型研究进展 化工机械，（）：周诗岽，吴明，王俊 基于人工神经网络的原油管道蜡沉积速率模型 西安石油大学学报：自然科学版，（）：周诗岽，吴明 管道输送原油蜡沉积速率模型研究 辽宁石油化工大学学报，（）：靳文博，敬加强，田震，等 基于最小二乘支持向量机的蜡沉积速率预测 化工进展，（）：王磊，田震，蒲泓汀，等 支持向量机预测蜡沉积速率的模型研究 应用化工，（）：盖芸 含蜡原油管道蜡沉积模型研究 成都：西南石油大学，张驰，郭媛，黎明 人工神经网络模型发展及应用综述 计算机工程与应用，（）：陈康，熊建斌，苏乃权，等 基于相关向量机的故障诊断方法研究 机床与液压，（）：李黄曼，张勇，张瑶 基于 优化 的变压器故障诊断研究 电子测量与仪器学报，（）：胡林静，郭朝泽，王景帅 基于 模型的短期电力负荷预测 科学技术与工程，（）：，（）：吕鑫，慕晓冬，张钧 基于改进麻雀搜索算法的多阈值图像分割 系统工程与电子技术，（）：，：，（）：吕鑫，慕晓冬，张钧，等 混沌麻雀搜索优化算法北京航空航天大学学报，（）：郑建锋，王应明 基于 神经网络的效率置信区间预测模型研究 计算机工程与应用，（）：冯智莉，易国洪，李普山，等 并行化遗传算法研究综述 计算机应用与软件，（）：，：李红亚，彭昱忠，邓楚燕，等 与 的混合研究综述 计算机工程与应用，（）：薛建凯 一种新型的群智能优化技术的研究与应用 上海：东华大学，王雪亮 华池作业区管输原油蜡沉积现象预测分析研究 西安：西安石油大学，于山，王海霞，马亚杰 三层 神经网络地震灾害人员伤亡预测模型 地震工程与工程振动，（）：