趙志峰,文 虎,高煒欣,郭 軍

(1.西安科技大學 能源學院，陜西 西安 710054; 2.西安石油大學 電子工程學院，陜西 西安 710065; 3.教育部 西部礦井開采及災害防治重點實驗室,陜西 西安710054)

?

長輸管道完整性管理中的數(shù)據(jù)挖掘和知識決策

趙志峰1,2,文 虎1,3,高煒欣2,郭 軍1,3

(1.西安科技大學 能源學院，陜西 西安 710054; 2.西安石油大學 電子工程學院，陜西 西安 710065; 3.教育部 西部礦井開采及災害防治重點實驗室,陜西 西安710054)

為提高長輸管道完整性管理中數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的能力，針對管道大數(shù)據(jù)的特點，以管道外腐蝕中的土壤腐蝕數(shù)據(jù)管理與分析為例，對土壤電阻率、氧化還原電位、氯離子含量、硫酸根離子含量、含水量、pH值6種土壤腐蝕多因素指標，運用粗糙集方法構造管道土壤腐蝕多因素指標數(shù)據(jù)集，建立決策表，進行原始數(shù)據(jù)約簡，以及結構重要度分析，從而在多指標因素中找到反映該地區(qū)土壤腐蝕特點的核心判別指標，并根據(jù)其核心指標因素利用決策樹規(guī)則，按照多指標因素中結構重要度的大小對決策樹結構進行優(yōu)化，建立分類規(guī)則模型，進行有針對性的多因素管道土壤腐蝕診斷決策。利用模型對川氣東送梁平管道段的檢驗樣本進行了實例分析，診斷結果符合現(xiàn)場實際情況。

長輸管道；完整性管理；土壤腐蝕；粗糙集；決策樹

趙志峰,文虎,高煒欣,等.長輸管道完整性管理中的數(shù)據(jù)挖掘和知識決策[J].西安石油大學學報(自然科學版)，2016，31(4):109-114.

ZHAO Zhifeng,WEN Hu,GAO Weixin,et al.Data mining and knowledge decision in the integrity management of long-distance pipeline [J].Journal of Xi'an Shiyou University (Natural Science Edition),2016,31(4):109-114.

引　言

管道輸送具有高效、成本低、可穿越各種工況的特點，在能源運輸中發(fā)揮著難以取代的作用?？墒枪艿酪坏┌l(fā)生事故不僅會帶來巨大的經(jīng)濟損失，也可能會導致人員傷亡和環(huán)境污染。管道完整性管理作為一種系統(tǒng)性的安全管理模式，是多年來管道安全管理的實踐體現(xiàn)，它以預防為主的主動維護,通過分析并預測管道損傷的程度，以保證管道的結構完整性[1]。

長輸管道完整性管理以數(shù)據(jù)資料的采集、存儲、清洗及數(shù)據(jù)分析與挖掘為基礎，其中數(shù)據(jù)的分析與挖掘是完整性管理的基礎核心和高效應用的前提，為管道安全輸送決策服務[2]。目前，針對長輸管道大數(shù)據(jù)分析研究的主要方法有：模糊數(shù)學邏輯法，由于其在隸屬函數(shù)中參數(shù)閾值的選取具有一定的主觀性，會對結果準確率有較大影響[3]；灰色系統(tǒng)分析法，它的關聯(lián)度求解算法有著明顯缺陷，導致結果可能不精確[4]；神經(jīng)網(wǎng)絡分析法，存在著訓練不足和訓練過度的問題，性能不十分穩(wěn)定[5]。由于上述方法都有一定的局限性，由此可能出現(xiàn)長輸管道完整性管理中預測預防的精度和準確率不高，時效性較差，失去了發(fā)揮完整性管理應有的效果。

1　長輸管道完整性管理中土壤腐蝕多因素實例分析

土壤腐蝕數(shù)據(jù)管理與分析是管道外腐蝕安全管理的重要項目。由于管道工況的差異性，其土壤腐蝕多因素的選取和地域性的不同，造成多因素影響的因素和大小也不相同，由此可能出現(xiàn)管道完整性管理中土壤腐蝕參量選用不完全，甚至未考慮重要的腐蝕環(huán)境因素(如土壤電阻率、氧化還原電位、含水量、土壤pH值)與地域的關系[6]，這種情況下會導致數(shù)據(jù)分析不完全，所得結果存在一定的片面性，甚至得到錯誤的結果，影響到長輸管道完整性管理決策的正確性。

以中石化川氣東送管道完整性管理項目梁平段為例，運用基于粗糙集和決策樹的數(shù)學方法，對梁平段土壤腐蝕多因素的原始數(shù)據(jù)進行數(shù)據(jù)挖掘和知識發(fā)現(xiàn)，為該地區(qū)段的管道完整性管理提供決策服務。

1.1數(shù)據(jù)挖掘

針對梁平段土壤腐蝕現(xiàn)場采集的數(shù)據(jù)，按試片取片數(shù)據(jù)以及采集批次進行6種影響因素統(tǒng)計，并隨機選取20組腐蝕數(shù)據(jù)進行數(shù)據(jù)挖掘，具體見表1。

表1　梁平段管道土壤腐蝕實際原始樣本指標因素值Tab.1　Actual soil corrosion factors of Liangping section pipeline

粗糙集理論是處理不確定問題的數(shù)學工具，它在不需要考慮任何先驗信息的條件下，直接通過對觀測數(shù)據(jù)進行分析處理，利用粗集算法從決策表中刪除重復的相同信息和冗余項，簡化條件屬性，從而精簡決策指標[7]。

根據(jù)粗糙集方法將表1作為決策表，其中把長輸管道土壤腐蝕選取點U={X1，X2，…，X20}作為研究對象，把管道土壤腐蝕所選取的影響因素T={土壤電阻率，氧化還原電位，氯離子質量分數(shù)，…，pH值}作為條件屬性，管道土壤腐蝕的等級D={非常嚴重，嚴重，中等，輕微，極低}={5，4，3，2，1}作為決策屬性。根據(jù)腐蝕等級以及土壤腐蝕指標因素分類模式要求[9-11]對表1進行標準歸一化處理[8]，結果見表2；結合粗糙集離散化要求對表1進行離散化處理，見表3。將數(shù)據(jù)冗余項3(或6)、項2(或17)、項7(或14、或18)、項16(或19)刪除，得到的新決策表按約簡決策規(guī)則進行屬性約簡，以及結構重要度分析。

表2　土壤腐蝕指標因素分類區(qū)間Tab.2　Classification intervals of pipeline soil corrosion factors

表3　土壤腐蝕因素離散化數(shù)據(jù)Tab.3　Discretization of pipeline soil corrosion factors

1.2屬性約簡和結構重要度分析

決策表中條件屬性對于結果屬性的重要度小時，可從決策表中刪除該條件屬性，進而計算時去掉該屬性對結果屬性分類正域值的大小。值越小，說明該條件屬性對于決策屬性的重要度越?。恢翟酱?，說明該條件屬性對于決策屬性的重要度越大；其值為零，表示對結果屬性無影響，可以刪除。

結合梁平段管道土壤腐蝕數(shù)據(jù)，定義整個數(shù)據(jù)集合為U，T和J分別為條件屬性集和結果屬性集，其中條件屬性集T含有：土壤電阻率a，氧化還原電位b，氯離子質量分數(shù)c，硫酸根離子質量分數(shù)d，含水率e，pH值f。結果屬性集J為土壤腐蝕等級。因此：

U/J={{1,4,5,7,9,11,13,15},{2,3,12,20},{8,10,16}}；

U/T={{1,3},{2},{4},{5},{7},{8},{9},{10},{11},{12},{13},{15},{16},{20}}；

U/T-a={{1,3},{2,5},{4},{7},{8},{9},{10},{11},{12},{13},{15},{16,20}}；

U/T-b={{1,3,20},{2,8,10},{4},{5,13},{7},{9},{11},{12},{15},{16}}；

U/T-c={{1,3},{2},{4},{5},{7},{8},{9},{10},{11},{12},{13},{15},{16},{20}}；

U/T-d={{1,3},{2},{4},{5},{7,20},{8},{9},{10},{11},{12},{13},{15},{16}}；

U/T-e={{1,3,5},{2},{4},{5},{7},{8},{9},{10,16},{11},{12},{13},{15},{20}}；

U/T-f={{1,3},{2},{4},{5},{7},{8},{9,13},{10},{11},{12,20},{15}}。

結果屬性對各類的正域為:

POST(J)={2,4,5,7,8,9,10,11,12,13,15,16,20}；

POST-a(J)={4,7,8,9,10,11,12,13,15}；

POST-b(J)={4,5,7,9,11,12,13,15,16}；

POST-c(J)={2,4,5,7,8,9,10,11,12,13,15,16,20}；

POST-d(J)={2,4,5,8,9,10,11,12,13,15,16}；

POST-e(J)={2,4,7,8,9,10,11,12,13,15,16,20}；

POST-f(J)={2,4,5,7,8,9,10,11,12,13,15,16,20}。

各屬性的結構重要度：

根據(jù)以上的計算可知，該管道外腐蝕土壤影響因素的重要性排序為：?TJ(a)=?TJ(b)>?TJ(d)>?TJ(e)>?TJ(f)由于?TJ(c)和?TJ(f)=0，表明這2個條件屬性對結果無意義，可以刪除。同時刪除數(shù)據(jù)中的非正域項(第1和3項)和冗余項第20項(與第12項重復)，土壤腐蝕約簡項見表4。

表4　土壤腐蝕約簡項Tab.4　Simplification of pipeline soil corrosion factors

2　知識決策實例分析

2.1建立決策樹

決策樹是一種樹型結構的遞歸分類模型，它以實例數(shù)據(jù)為集合空間，利用樹型結構將空間屬性分類，根節(jié)點以分類要求為依據(jù)，每個分節(jié)點為一個分類問題，并分類成2個或2個以上的塊，每個塊再繼續(xù)分類直至葉節(jié)點的產(chǎn)生，一個葉節(jié)點就是某個屬性條件下分類的數(shù)據(jù)。從根節(jié)點到葉節(jié)點的每一條路徑就代表了一條分類規(guī)則[2]。

建立決策樹的關鍵問題是構造決策樹結構的好壞，也就是對測試屬性的選擇和決策樹的修剪[13]。為了便于尋找分類規(guī)則，更好地進行管道大數(shù)據(jù)中的知識發(fā)現(xiàn)，決策樹的根節(jié)點要選取核心測試屬性，再通過核心測試屬性的不同值來構造分支，其分支節(jié)點選取結構重要度值大的測試屬性，運用遞歸分類的方法重復建立。由于管道大數(shù)據(jù)集合空間的特性會導致過擬合的問題，因此有必要對決策樹進行修剪，即將相反分類規(guī)則以及重復分類規(guī)則的冗余項刪除，以提高決策樹規(guī)則信息分類的能力。

針對梁平段管道土壤腐蝕數(shù)據(jù)的例子，選取表4中的前10項為分析數(shù)據(jù)，后2項為測試分類檢驗舉例，進行土壤腐蝕多因素影響決策樹的屬性選擇、決策樹修剪和知識分類決策。對于決策樹的根節(jié)點選擇核心因素指標土壤電阻率和氧化還原電位，分支節(jié)點根據(jù)非核屬性結構重要度大小，依次選擇硫酸根離子質量分數(shù)，含水率。葉節(jié)點為結果屬性土壤腐蝕等級。管道土壤腐蝕多因素分類決策樹如圖1所示。

圖1　管道土壤腐蝕多因素分類決策樹Fig.1　Multi-factor classification decision tree of pipeline soil corrosion

2.2知識發(fā)現(xiàn)

對圖1管道土壤腐蝕多因素分類決策樹進行修剪。由于根節(jié)點土壤電阻率a與氧化還原電位b的核心屬性值相等，即結構重要度相同，再根據(jù)分類規(guī)則可以看出：(3,3)-(1)-(3)-4級，(3,3)-(2)-(5)-4級，(4,1)-(2)-(4)-4級，這3條規(guī)則可以被其他針對土壤腐蝕等級4級的分類規(guī)則包含在內，應予以剪除。利用修剪后的決策樹對表4最后二項數(shù)據(jù)作測試分類檢驗，可以看出：第15項(2,4)-(3)-(5)屬于(3,2)-(3)-(3)-4級和(3,4)-(2)-(5)-4級之間，可以判定該測試數(shù)據(jù)結果屬性級別為4級。第16項(2,2)-(2)-(3)屬于(2,1)-(2)-(5)-2級和(2,2)-(2)-(5)-2級之間，可以判定該測試數(shù)據(jù)結果屬性級別為2級。以上測試數(shù)據(jù)的分析結果符合其現(xiàn)場實際結果屬性級別，為該管道段的土壤腐蝕多因素分類的知識決策提供了依據(jù)。

3　結　論

(1)基于粗集-決策樹方法對梁平段管道的實例分析，表明只有綜合考慮其管道大數(shù)據(jù)的特性，以及不同區(qū)域環(huán)境影響因素不同的特點，進行數(shù)據(jù)的挖掘和知識發(fā)現(xiàn)，才能提高長輸管道完整性管理的針對性和適應性。

(2)運用粗集方法的屬性結構重要度分析能充分利用原始數(shù)據(jù)自身的客觀信息，無需任何先驗條件和附加信息，進行多值和非數(shù)值的重要度處理；而傳統(tǒng)的屬性結構重要度分析法只能處理二值的數(shù)值型模式問題。通過利用粗集核屬性，以及屬性結構重要度值，可以構建知識規(guī)則易發(fā)現(xiàn)、且直觀的決策樹，減少了樹的復雜度，提高了容錯能力和分類的效果。

[1]董紹華.管道完整性管理體系與實踐[M].北京:中國石化出版社，2015.

[2]王毅輝,李勇,蔣蓉,等.中國石油西南油氣田公司管道完整性管理研究與實踐[J].天然氣工業(yè)，2013,33(3):78-83.

WANG Yihui，LI Yong，JIANG Rong，et al.Research and practices of the integrity management of gas pipelines operated by PetroChina Southwest Oil & Gasfield Company[J].Natural Gas Industry,2013,33(3):78-83.

[3]柳華偉，陳楊.模糊綜合評價法在埋地管道腐蝕狀況評價中的應用[J].石油工程建設，2011,37(5)：43-45.

LIU Huawei,CHEN Yang.Application of fuzzy integrated evaluation method in evaluating corrosion state of buried pipeline[J].Petroleum Engineering Construction，2011,37(5)：43-45.

[4]吳志平,蔣宏業(yè),李又綠,等.油氣管道完整性管理效能評價技術研究[J].天然氣工業(yè)，2013,33(12);131-137.

WU Zhiping，JIANG Hongye，LI Youlü，et al.Efficiency appraisal of oil & gas pipeline integrity management[J].Natural Gas Industry,2013,33(12):131-137.

[5]王金秋，李為相，朱承飛.基于粗糙集和BP神經(jīng)網(wǎng)絡的石化管道外腐蝕程度預測應用[J].計算機測量與控制,2015,23(1):266-272.

WANG Jinqiu，LI Weixiang，ZHU Chengfei.Application on petrochemical pipeline outside corrosion prediction based on RS and BPNN[J].Computer Measurement & Control,2015,23(1):266-272.

[6]RICHARD McNealy,LUCINDA Smart,STEVEN Osgood.Effect of corrosion growth rate estimated from consecutive assessments on response to in-line inspection anomaly predictions[C].paper 1560-MS presented at the SPE NACE International,11-15 March 2012,Salt Lake City,Utah.

[7]PAWLAK Z.Rough sets[J].International Journal of Information and Computer Science,1982,1(5):341-356.

[8]MANDAL Santosh Kumar,CHAN Felix T S.,TIWARI M K.Leak detection of pipeline:an integrated approach of rough set theory and artificial bee colony trained SVM[J].Expert Systems with Applications,2012,39(3):3071-3080.

[9]秦曉霞.埋地管道土壤腐蝕性與防護研究[D].青島：中國石油大學(華東)，2009.

[10]胡世信.陰極保護手冊[M].北京:化學工業(yè)出版社，1999.

[11]劉春波.埋地鋼質管道腐蝕防護模糊綜合評價技術研究[D].北京：北京工業(yè)大學,2007.

[12]張延松，趙英凱.基于PCA和粗糙集構建決策樹的變電站故障診斷[J].電力系統(tǒng)保護與控制,2010,38(14):104-109.

ZHANG Yansong,ZHAO Yingkai.Fault diagnosis of substation by the constructed decision tree based on principal component analysis(PCA) and rough set[J].Power System Protection and Control,2010,38(14):104-109.

[13]黃宇達，范太華.決策樹ID3算法的分析與優(yōu)化[J].計算機工程與設計,2012,33(8):3089-3093.

HUANG Yuda，F(xiàn)AN Taihua.ID3 Algorithm for decision tree analysis and optimization[J].Computer Engineering and Design，2012，33(8):3089-3093.

責任編輯：張新寶

Data Mining and Knowledge Decision in the Integrity Management of Long-distance Pipeline

ZHAO Zhifeng1,2,WEN Hu1,3,GAO Weixin2,GUO Jun1,3

(1.Energy School,Xi'an University of Science and Technology,Xi'an 710054,Shaanxi,China;2.College of Electronic Engineering,Xi'an Shiyou University,Xi'an 710065,Shaanxi,China;3.Key Laboratory of Western Mines and Hazard Prevention，Ministry of Education，Xi'an 710054,Shaanxi,China)

In order to improve the ability of data mining and knowledge discovery in the integrity management of long-distance pipeline,taking the management and analysis of the soil corrosion data of long-distance pipeline external as an example,the multi-factor (the resistivity,oxidation reduction potential,chloride ion content,sulfuric acid root ion content,water content and pH value of soil) data set of pipeline soil corrosion is constructed using rough set method based on the large data characteristics of the pipeline,the decision table is established,the original data of the pipeline are simplified,and the structural importance degree is analyzed to find the key factors reflecting the soil corrosion characteristics in this area from all factors.The structure of decision tree is optimized using decision tree rules according to the structural importance degree of the key factors,and the classification rule model is established to carry out the diagnosis and decision of multi-factor pipeline soil corrosion.The soil corrosion sample of Liangping segment of the natural gas transmission pipeline from Sichuan to east was analyzed using the established model,and the diagnosis and decision result is in line with the actual situation of the field.

long-distance pipeline;integrity management;soil corrosion;rough set;decision tree

A

2016-03-01

陜西省教育廳重點實驗室科研計劃項目(編號：14JS079)；中國石油科技創(chuàng)新基金研究項目(編號：2014D-5006-0605)；2013陜西省教育廳自然科學專項(編號：2013JK1077)

趙志峰(1978-)，男，講師，主要從事安全預控技術、檢測及監(jiān)控技術的研究。E-mail: zfzhao@xsyu.edu.cn

10.3969/j.issn.1673-064X.2016.04.019

TE832.2

1673-064X(2016)04-0109-06