刁 俊

（遼河油田高升采油廠， 遼寧 盤錦 124125）

次累減回歸還原得到灰色預(yù)測值：

原油管道內(nèi)蠟沉積速率預(yù)測及分析

刁 俊

（遼河油田高升采油廠， 遼寧 盤錦 124125）

分別運(yùn)用灰色預(yù)測理論和灰色神經(jīng)網(wǎng)絡(luò)理論對原油管道內(nèi)的蠟沉積速率進(jìn)行了預(yù)測分析；應(yīng)用灰色人工神經(jīng)網(wǎng)絡(luò)理論，考慮剪切應(yīng)力、溫度梯度、粘度以及濃度梯度4個(gè)影響因素作為主要因素的對原油管道內(nèi)的蠟沉積速率進(jìn)行的預(yù)測，與傳統(tǒng)的灰色預(yù)測方法相比，所得到的預(yù)測值更為接近實(shí)際值，蠟沉積速率的相對誤差絕對值在1.6%以內(nèi)，灰色神經(jīng)網(wǎng)絡(luò)用于管道內(nèi)蠟沉積速率預(yù)測的效果良好，能為原油管道蠟沉積規(guī)律的深入研究和制定合理的清蠟周期提供理論依據(jù)。

蠟沉積速率；灰色人工神經(jīng)網(wǎng)絡(luò)；速率預(yù)測；相對誤差

輸送含蠟原油的管道，在其輸送的過程中時(shí)常會有析出蠟的現(xiàn)象發(fā)生，并且析出的部分蠟會逐漸沉積依附在管道內(nèi)壁上，進(jìn)而在管道內(nèi)壁形成一層結(jié)蠟層，結(jié)蠟層的存在某種程度上影響了輸油管道的正常運(yùn)行，甚至?xí)鸸艿滥苁鹿实陌l(fā)生，給輸油管道的正常運(yùn)營造成了很大的威脅[1,2]。因此，有必要對含蠟原油管道的蠟沉積速率進(jìn)行預(yù)測分析，從而為原油管道蠟沉積規(guī)律的深入研究和制定合適的清蠟周期提供理論基礎(chǔ)。

1 灰色人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型

灰色系統(tǒng)可以在原始數(shù)據(jù)較少時(shí)對含蠟原油的蠟沉積的速率進(jìn)行預(yù)測[3]，建模過程簡單，但是灰色系統(tǒng)本身不具備自學(xué)習(xí)、自組織以及自適應(yīng)的能力，在處理非線性問題的方面上能力不足[4]。而人工神經(jīng)網(wǎng)絡(luò)模型具備處理“大樣本”，非線性以及自學(xué)習(xí)的能力[5,6]。因此可以利用這兩種模型的長處，把兩種模型加以結(jié)合，建立起可以處理小樣本、非線性且誤差可以控制問題的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測模型[7]，模型建立過程如下，首先對初始數(shù)據(jù)序列做一次累加變換，設(shè)有時(shí)間數(shù)列(0)x為：

次累減回歸還原得到灰色預(yù)測值：

為了便于表達(dá)，用x(t)表示原始數(shù)據(jù)序列經(jīng)一次累加后得到數(shù)據(jù)序列用y(t)表示，預(yù)測結(jié)果用()z t表示。由此，n個(gè)參量的灰色神經(jīng)網(wǎng)絡(luò)模型的微分方程表達(dá)式如下：

把變換得到的上式映射到一個(gè)拓展的BP人工神經(jīng)網(wǎng)絡(luò)中，其拓?fù)鋱D結(jié)構(gòu)如圖1所示

圖1 灰色神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖Fig.1 The structure of grey and neural network

2 模型應(yīng)用

對于輸送原油的管道來說，存在諸多影響其原油管道蠟沉積速率的因素，選取剪切應(yīng)力、溫度梯度、粘度以及濃度梯度4個(gè)影響因素作為主要因素進(jìn)行原油管道內(nèi)的蠟沉積速率預(yù)測。以灰色神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示。其中，灰色神經(jīng)網(wǎng)絡(luò)構(gòu)建根據(jù)輸入與輸出的維數(shù)進(jìn)行確定。管道內(nèi)蠟沉積速率的預(yù)測網(wǎng)絡(luò)模型輸入數(shù)據(jù)參數(shù)為四維，輸出為一維蠟沉積速率。因此，灰色神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為1-1-5-1，即LA層一個(gè)節(jié)點(diǎn)，時(shí)間序列作為輸入；LB層1個(gè)節(jié)點(diǎn)；LC層5個(gè)節(jié)點(diǎn)，從2到5分別輸入剪切應(yīng)力、溫度梯度、粘度以及濃度梯度這4個(gè)歸一化數(shù)據(jù)；最后的輸出為預(yù)測的原油管道內(nèi)的蠟沉積速率。

用C語言編制原油管道蠟沉積速率預(yù)測程序進(jìn)行計(jì)算，預(yù)測值與實(shí)際值曲線如圖2所示，灰色神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果與實(shí)際的值的比較如表1所示，由圖2和表1可見，應(yīng)用灰色預(yù)測方法進(jìn)行預(yù)測的數(shù)據(jù)偏離實(shí)際值較大，應(yīng)用灰色神經(jīng)網(wǎng)絡(luò)理論所得到的預(yù)測值與實(shí)際測試的數(shù)值非常接近，蠟沉積速率的絕對相對誤差在1.6%以內(nèi)，灰色神經(jīng)網(wǎng)絡(luò)用于腐蝕速率預(yù)測的效果良好，精度較高，對于小樣本的數(shù)據(jù)信息預(yù)測問題是較為適用的。

圖2 預(yù)測數(shù)據(jù)與真實(shí)值Fig.2 Predicted data and actual value

表1 預(yù)測值與實(shí)際值的比較Table 1 The contrast of predicted and actual value

3 結(jié) 論

本文分別運(yùn)用灰色預(yù)測理論和灰色神經(jīng)網(wǎng)絡(luò)理論對原油管道內(nèi)的蠟沉積速率進(jìn)行了預(yù)測分析，由所編程序的預(yù)測結(jié)果可以看出，應(yīng)用傳統(tǒng)的灰色預(yù)測方法進(jìn)行預(yù)測的數(shù)據(jù)偏離實(shí)際值較大；與傳統(tǒng)的灰色預(yù)測方法相比，應(yīng)用灰色人工神經(jīng)網(wǎng)絡(luò)理論，考慮剪切應(yīng)力、溫度梯度、粘度以及濃度梯度四個(gè)影響因素作為主要因素對原油管道內(nèi)的蠟沉積速率進(jìn)行的預(yù)測，所得到的預(yù)測值與實(shí)際測試的數(shù)值是非常接近的，蠟沉積速率的相對誤差絕對值在1.6%以內(nèi)，灰色神經(jīng)網(wǎng)絡(luò)用于管道內(nèi)蠟沉積速率預(yù)測的效果良好，預(yù)測精度高，這不僅能為原油管道蠟沉積規(guī)律的深入研究提供依據(jù)，還能夠?qū)斣凸艿乐贫ê线m的清蠟周期提供一定的理論基礎(chǔ)。

［1］王平，江國業(yè),等．結(jié)蠟厚度對輸油成本的影響[J]．石油化工高等學(xué)報(bào)，2002，15(1)：47-50．

［2］楊筱蘅.輸油管道設(shè)計(jì)與管理[M].北京：中國石油大學(xué)出版社，2006.

［3］王飛飛等.灰色預(yù)測改進(jìn)模型在結(jié)蠟規(guī)律預(yù)測中的應(yīng)用[J].油氣儲運(yùn)，2010，29（8）：592-594.

［4］鄧聚龍. 灰預(yù)測與灰決策[M]. 武漢: 華中科技大學(xué)出版社, 2002.

［5］韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用[M]. 第二版.北京：化學(xué)工業(yè)出版社，2007.

［6］袁曾任.人工神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用[M].北京：清華大學(xué)出版社，1999.

［7］張鎮(zhèn)，劉曉東,等.基于灰色組合模型的管道腐蝕速率預(yù)測[J]．中國腐蝕與防護(hù)學(xué)報(bào)，2008，28（3）：173-176.

Prediction and Analysis on Wax Deposition Rate in the Crude Oil Pipeline

DIAO Jun
(PetroChina Liaohe Oilfield Company, Liaoning Panjin 124125，China)

The wax deposition rate in the crude oil pipeline was predicted and analyzed with grey theory and grey neural network theory, respectively. Based on considering the shear stress, temperature, viscosity and concentration gradients as main factors, the wax deposition rate in the crude oil pipeline was predicted with the theory of grey and artificial neural network. The results show that, compared with the traditional grey theory, the prediction is more close to the actual value, the relative error is less than 1.6%, the effect of predicting wax deposition rate with the theory of the grey neural network is good, it can provide a theoretical basis of the further study on the regular pattern of the wax deposition rate and formulating a reasonable period of removing the wax for the crude oil pipeline.

Wax deposition rate; Grey and artificial neural network; Prediction of rate; Relative error

TE 832

A

1671-0460（2012）11-1216-03

2012-06-11

刁俊 （1985-），男，遼寧盤錦人，助理工程師，2008年畢業(yè)于遼寧石油化工大學(xué)，研究方向：從事油氣集輸領(lǐng)域技術(shù)工作。E-mail：warcraftorc@163.com。