基于大数据和神经网络的油气管道打孔盗油(气)事件预测方法研究

• 作者: 张鹏宇 田娜 韩永波
• 来源期刊: 中外能源
• 关键词: 油气管道打孔盗油(气)相关性分析BP神经网络预测模型
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 油气勘探与开发
• 页码范围: 41-44
• 页数: 4页
• 语种: 中文

摘要

近年来,油气管道上存在打孔盗油(气)事件给长输管道企业带来巨大困扰.管道一旦遭受破坏,将造成巨大的财产损失和环境污染.目前国内一些专家学者已经开展管线打孔盗油(气)的预测及预防研究,利用简化、假设以及支持向量机技术建立预测模型,但尚没有将事件所有相关数据有效利用起来.基于相关性分析、BP神经网络的油气管道打孔盗油(气)事件预测模型,充分考虑打孔盗油(气)事件的不确定性、影响因素多、分布广、难于控制、破坏性大等特点,通过引入相关性分析原理,分析预测模型中涵盖事件相关因素,减少神经网络中不必要的输入变量,提高预测模型训练效率.在信息时代的当下,随着数据采集手段的不断进步及网络共享领域范围的不断扩大,管道打孔盗油(气)方面积累的数据量将越来越巨大,充分利用大数据进行全面学习,可以避免数据简化造成信息的丢失,模型预测计算的准确性、密集性也将相应提高,因此基于大数据的打孔盗油(气)预测模型的应用将具有广阔前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩永波		4	10	2.0	3.0
2	田娜		4	1	1.0	1.0
3	张鹏宇		1	0	0.0	0.0