基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
现代海上油田增加,海底管道也随之增加,大部分的海底管道是多相流运输,其产生腐蚀的影响因素较多.同时,由于海底环境恶劣,管道检测难度也加大.只有准确预测腐蚀速率,才能更好的保障海底管道安全运行.由于海底管道检测困难数据有限;影响腐蚀速率的因素众多,因此很多算法由于数据样本不够不能实现准确预测.但SVM算法可以对有限样本,高维数;非线性问题上具有拥有良好的全局性解,因此基于此算法优点提出使用ABC-SVM算法对海底管道腐蚀速率预测.根据机器学习原则对目标管道数据划分训练组和检验组进行预测,发现训练组所得模型应用在检测组后最大误差在5%左右.并将ABC-SVM算法与其他算法对比其预测时间及误差,发现此算法的优越性.
推荐文章
基于ABC-SVM的软基沉降预测研究
支持向量机
人工蜂群
软土地基
沉降预测
基于PCA-PSO-SVM模型的海底多相流管道内腐蚀速率预测
PCA-PSO-SVM组合模型
海底多相流
管道内腐蚀速率预测
基于小波神经网络预测多相动态管道腐蚀速率
神经网络
因素有效性
结构
腐蚀
预测
基于ABC-SVM的运动想象脑电信号模式分类
脑电信号
人工蜂群算法
支持向量机
正则化共空间模式
模式分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于ABC-SVM算法的海底多相流热油管道腐蚀速率预测
来源期刊 工业加热 学科 交通运输
关键词 ABC-SVM算法 海底管道 管道内腐蚀 腐蚀速率 智能算法
年,卷(期) 2020,(2) 所属期刊栏目 模拟仿真
研究方向 页码范围 47-49,55
页数 4页 分类号 U177
字数 3099字 语种 中文
DOI 10.3969/j.issn.1002-1639.2020.02.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨晶 东北石油大学石油工程学院 27 49 4.0 6.0
2 李炳文 东北石油大学石油工程学院 4 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (75)
共引文献  (126)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(3)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(7)
  • 参考文献(1)
  • 二级参考文献(6)
2011(25)
  • 参考文献(1)
  • 二级参考文献(24)
2012(11)
  • 参考文献(0)
  • 二级参考文献(11)
2013(9)
  • 参考文献(0)
  • 二级参考文献(9)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(3)
  • 参考文献(2)
  • 二级参考文献(1)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
ABC-SVM算法
海底管道
管道内腐蚀
腐蚀速率
智能算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
工业加热
双月刊
1002-1639
61-1208/TM
大16开
西安市朱雀大街南端222号
52-41
1972
chi
出版文献量(篇)
2999
总下载数(次)
2
论文1v1指导