徐鲁帅，凌 晓，马娟娟，马贺清，付小华

(1.兰州理工大学 石油化工学院，甘肃 兰州 730050； 2.兰州理工大学 理学院，甘肃 兰州 730050)

0 引言

管道被广泛用于石油、天然气及危化品运输。截至2019年底，我国长输管道总里程达13.9×104km，管道失效将给企业与社会造成巨大损失[1-3]，腐蚀是管道失效主要原因之一[4-6]。因此，研究腐蚀缺陷管道失效压力，对保障管道安全运行意义重大。现阶段管道失效压力预测结果与实测结果误差较大[7-11]，利用ANSYS 软件模拟含缺陷腐蚀管道，存在处理大数据量预测工作较困难的缺陷[12-14]。因此，本文基于BP神经网络(BPNN)，通过引入差分进化算法(DE)，建立DE-BPNN含腐蚀缺陷管道失效压力预测模型，并结合实例验证模型准确性和鲁棒性。

1 预测模型原理及构建

1.1 BPNN模型

BPNN模型三层网络拓扑结构[15]如图1所示。

图1 BPNN模型三层网络拓扑结构Fig.1 Schematic diagram of BPNN network structure

BPNN输入、输出层公式如式(1)～(4)所示[16]：

(1)

aj=g(sj)

(2)

(3)

tk=g(pk)

(4)

式中：sj为隐藏层第j个节点输入值；xi(i=1,2,…,m)为BPNN模型输入值；wij为输入层到隐藏层权值；aj为隐藏层第j个节点输出值；bj为隐藏层阈值；pk为输出层第k个节点输入值；tk为输出层第k个节点输出值；wjk为隐藏层到输出层权值；bk为输出层阈值；g(x)为BPNN模型传递函数。

误差函数f(x)及权阈值修正系数如式(5)～(9)所示：

(5)

(6)

(7)

(8)

(9)

式中：N为样本总数；yk为实测值；tk为实际输出值；η为学习速率系数；Δwjk为隐藏层到输出层权值修正系数；Δwij为输入层到隐藏层权值修正系数；Δbk为输出层阈值修正系数；Δbj为隐藏层阈值修正系数。

1.2 DE模型

DE是用于优化问题的启发式算法[17]。首先随机产生规模为N，空间维数为D的初始种群，个体为xi=[xi,1,xi,2,xi,3,…,xi,j]，其中，i=1,2,3,…,N；……