李玉春 李治东 李越 孟岚 姚毅立 孙巍 成庆林 孙海英

1大庆油田设计院有限公司

2东北石油大学

3大庆油田有限责任公司第五采油厂

随着信息技术的高速发展，工程上获得数据的难度越来越低、手段越来越多、效率越来越高，从而导致信息数据库的规模不断增大，其复杂程度也持续增大，演变成为庞大复杂的信息数据体系[1-3]。因此有必要基于大数据平台，针对双管掺水流程建立水力热力回归预测模型[4-6]。

目前，很多学者在管道预测方面进行了大量研究。张青松利用人工神经网络强大的非线性映射能力，建立了人工神经网络混油黏度预测模型，该方法误差小，并能够同时考虑温度变化等因素的影响[7]；高山卜利用BP神经网络建立输油管道的能耗预测模型，其预测误差不超过4.06%，为管输能耗提供了新的预测方法[8]；李建松建立灰色神经网络预测模型对输油管道运行费用进行预测，结果表明预测模型精度高，计算量小，收敛速度快[9]；林冉用人工神经网络建立了管道耗能的预测模型，该模型的计算结果相对偏差在±5%以内，满足工程实际需要，为预测管道的能耗总量提供了便利[10]；李树杉根据大数据思想，基于管道SCADA 系统提供的大量管道运行历史数据，利用神经网络构建了管道预测模型，并用其替代传统的管道数学模型，计算油品的温度和压力，求解能耗优化的目标函数，得出优化方案，提高了方案的准确性和实用性[11]。

通过调研发现，采用传统理论公式计算得到的管道传热系数以及水力摩阻系数通常与现场实际情况不符[12-13]，因此构建了双管掺水流程大数据平台。……