魏晨亮 王丹丹 陈秋华 陈思佳 廖柯熹 袁东野 张金龙

1中海石油技术检测有限公司

2西南石油大学石油与天然气工程学院

随着中海油海底管道完整性管理进程的推进，管道智能内检测作为海底管道完整性管理的一种有效手段，正在被大力推广和应用。海底管道内检测风险高、成本高，且还有一部分管道不适合进行内检测，需要采取其他有效的手段对管道的完整性进行分析。

目前，国内外学者就数据挖掘方法在管道中的应用进行了大量的研究实践。李炳文和杨晶[1]提出使用ABC-SVM 算法对海底管道腐蚀速率进行预测。陈毓飞等[2]基于大数据，使用LSTM 建立了燃气管道施工破坏可能性的预测模型。韩志全等[3]基于加速的Wiener 退化模型原理，构建了管道裂缝评价模型。汪瑛[4]采用关联规则Apriori 算法对燃气系统管道维修方面的数据进行了挖掘分析，为企业决策提供依据。王宏安和陈国明[5]提出了一种基于K均值聚类的管道漏磁缺陷信号标记方法来识别漏磁数据中的缺陷区域。PRIYANKA 等[6]提出了一种基于K均值聚类和时间序列预测的故障识别与预测方法，用于评估和预测现有石油管道的状况。SANTOSH 等[7]提出了一种基于粗糙集理论和支持向量机的泄漏检测方案以检测管道泄漏情况。

因此，为了体现出海底管道内检测数据的价值，本文基于支持向量机（SVM）算法建立了腐蚀缺陷的类型识别模型。利用Apriori 算法挖掘了海底管道腐蚀点的腐蚀缺陷类型、环向位置时钟方向、轴向位置区域等级等数据之间的强关联规则。……