刘喜梅 尹国才

（北华航天工业学院计算机学院，河北 廊坊 065000）

0 引言

管道运输是一种便捷的、安全的、经济的运输方式，并与其他四大运输方式，即水路、公路、航空和铁路并称现代五大运输方式。石油管道运输在世界经济中扮演着越来越重要的角色。为了保证管道平稳地运行，在管道系统中，多使用SCADA系统，对管道系统进行远程控制调度，并监控管道的运行参数，如管道内的压力、流量以及流体密度等相关参数。基于SCADA管线运行数据和压力波动的海量历史数据，综合运用先进算法，智能识别管道运行工况。

长期以来，国内有关管道压力异常波动的研究主要集中在管道泄漏、管道失效以及输油泵故障等具体领域，针对各类工况智能识别研究较少。陈萍[1]提出了把动态压力信号作正负区间划分、把相邻区间信号累加值差分、相邻区间信号均值差分和相邻区间信号峰值差分作为泄漏信号识别特征的特征量计算方法和相对量化方法[2]，该方法具备了一定的工况适应性。刘啸奔、龚骏等人[3-4]引入主成分分析和神经网络的方法，对不同类型且时域形态差异较为明显的压力波动信号进行分析[5]，实现了对稳态、启泵、停泵、调阀以及泄漏等工况的有效区分。

该文在该基础上，将各类方法进行有效融合，弥补了各自的缺陷，通过提取管线运行数据信号特征，根据专家经验，采用决策树进行融合建模，从而提高工况识别的准确率，获得更好的实际应用效果。……