張 菁 朱小松 宋志龍 左麗麗 董紹華

(1.中國(guó)石化西北油田分公司 2.中國(guó)石油大學(xué)(北京) 3.中國(guó)石油和石油化工設(shè)備工業(yè)協(xié)會(huì))

0 引 言

隨著各大油氣田的勘探與開(kāi)發(fā)，油氣集輸管道規(guī)模進(jìn)一步擴(kuò)大，集輸管道的安全運(yùn)行變得尤為重要。由于集輸管道輸送介質(zhì)高含水、高含硫化氫等，服役時(shí)間長(zhǎng)的管道內(nèi)會(huì)發(fā)生較為嚴(yán)重的內(nèi)腐蝕，同時(shí)，集輸管道還受大氣環(huán)境和土壤腐蝕等影響，導(dǎo)致管道發(fā)生外腐蝕。由于集輸管道具有管徑小、分支多等特點(diǎn)，使得長(zhǎng)輸管道的完整性評(píng)價(jià)模式難以應(yīng)用在集輸管道上，無(wú)法識(shí)別管道的潛在威脅。

目前，管道完整性評(píng)價(jià)在長(zhǎng)輸管道上的應(yīng)用較多，國(guó)內(nèi)外出臺(tái)了多個(gè)完整性評(píng)價(jià)標(biāo)準(zhǔn)。但是在集輸管道的完整性評(píng)價(jià)方面較為欠缺，國(guó)內(nèi)僅有少數(shù)單位對(duì)集輸管道進(jìn)行了基于內(nèi)檢測(cè)的完整性評(píng)價(jià)工作[1]。在檢測(cè)評(píng)價(jià)方面，長(zhǎng)慶油田通過(guò)內(nèi)檢和外檢技術(shù)對(duì)長(zhǎng)北天然氣集輸管線(xiàn)進(jìn)行了全面檢測(cè)，并對(duì)集輸干線(xiàn)進(jìn)行了完整性評(píng)價(jià)，評(píng)價(jià)結(jié)果表明管線(xiàn)完整性狀況良好[2]。子洲氣田對(duì)6條支干線(xiàn)集輸管道進(jìn)行外防腐檢測(cè)以及開(kāi)挖驗(yàn)證，根據(jù)開(kāi)挖結(jié)果推斷管道的剩余使用壽命相當(dāng)于新建管道，再次檢測(cè)年限為6 a[3]。李遠(yuǎn)朋等[4]對(duì)新疆油田稠油集輸管線(xiàn)進(jìn)行了多種檢測(cè)技術(shù)的適用性研究，通過(guò)對(duì)集輸管線(xiàn)進(jìn)行內(nèi)、外腐蝕檢測(cè)并開(kāi)挖驗(yàn)證，形成了適應(yīng)新疆稠油集輸管線(xiàn)的完整性檢測(cè)方法。遼河油田集輸公司引進(jìn)了管道內(nèi)檢測(cè)技術(shù)，對(duì)內(nèi)檢測(cè)器進(jìn)行了適應(yīng)性改造，從而對(duì)部分集輸管道實(shí)現(xiàn)了內(nèi)檢測(cè)[5]。

在基于大數(shù)據(jù)的完整性評(píng)價(jià)方面，韓小明等[6]認(rèn)為完整性預(yù)測(cè)需考慮管道設(shè)計(jì)制造、運(yùn)行、失效和檢測(cè)等多種數(shù)據(jù)，提出管道完整性人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)框架和管道完整性預(yù)測(cè)方法。長(zhǎng)慶油田利用數(shù)據(jù)挖掘和人工智能技術(shù)融合了管道的本體數(shù)據(jù)、運(yùn)行數(shù)據(jù)和檢測(cè)數(shù)據(jù)等多類(lèi)型數(shù)據(jù)，建立了管道完整性評(píng)價(jià)系統(tǒng)[7]。凌嘉瞳等[8]通過(guò)風(fēng)險(xiǎn)評(píng)分對(duì)安全系數(shù)進(jìn)行修正，并建立了安全系數(shù)計(jì)算模型。SENOUCI A.等[9]對(duì)歷史數(shù)據(jù)進(jìn)行分析，建立了管道失效類(lèi)型預(yù)測(cè)模型，但由于缺乏數(shù)據(jù)支撐，部分預(yù)測(cè)結(jié)果不準(zhǔn)確。

綜上，集輸管道進(jìn)行的完整性評(píng)價(jià)工作多是基于檢測(cè)的評(píng)價(jià)，且評(píng)價(jià)效果不理想，集輸管道所產(chǎn)生的數(shù)據(jù)沒(méi)有得到充分利用，大數(shù)據(jù)算法在集輸管道上的應(yīng)用較少。因此，集輸管道腐蝕缺陷評(píng)價(jià)需要對(duì)管道的各時(shí)期、各類(lèi)型數(shù)據(jù)進(jìn)行挖掘分析，收集集輸管道的設(shè)計(jì)制造、操作運(yùn)行、檢驗(yàn)檢測(cè)以及歷史失效等數(shù)據(jù)，建立基于機(jī)器學(xué)習(xí)的集輸管道腐蝕缺陷評(píng)價(jià)方法，從而為集輸管道的維護(hù)與維修提供理論依據(jù)。

1 ASME B31G評(píng)價(jià)方法

目前管道的完整性評(píng)價(jià)具有多種標(biāo)準(zhǔn)[10-13]，這些標(biāo)準(zhǔn)和方法各有其適用范圍和優(yōu)缺點(diǎn)[14]。ASME B31G標(biāo)準(zhǔn)是國(guó)際上廣泛使用的完整性評(píng)價(jià)方法，適用于體積型缺陷的完整性評(píng)價(jià)。ASME B31G—2012中規(guī)定：

Sflow=σs+68.95 MPa

(1)

式中：Sflow為材料的流變應(yīng)力，MPa；σs為管道材質(zhì)最小屈服強(qiáng)度，MPa。

管道安全運(yùn)行壓力為：

(2)

式中：ps為安全運(yùn)行壓力，MPa；d為缺陷深度，mm；t為壁厚，mm；Sf為安全系數(shù)，無(wú)量綱；D為外徑，mm；M為膨脹系數(shù)，無(wú)量綱。M可通過(guò)下式計(jì)算得到：

(3)

式中：L為缺陷長(zhǎng)度，mm。

Sf主要根據(jù)地區(qū)等級(jí)進(jìn)行選取，根據(jù)GB 50251—2015《輸氣管道工程設(shè)計(jì)規(guī)范》對(duì)地區(qū)等級(jí)的劃分以及水壓試驗(yàn)壓力的規(guī)定，輸氣管道Sf的取值范圍如表1所示。

以預(yù)估維修比Er作為缺陷是否處于安全狀態(tài)的判定依據(jù)，其定義為：

表1 輸氣管道地區(qū)等級(jí)劃分與Sf取值范圍Table 1 Gas pipeline region classification and Sf value range

(4)

當(dāng)Er<1時(shí)，認(rèn)為缺陷可以在規(guī)定壓力下安全運(yùn)行;當(dāng)Er≥1時(shí)，認(rèn)為缺陷不能在規(guī)定壓力下安全運(yùn)行，需要維修或更換管段。

2 基于徑向基神經(jīng)網(wǎng)絡(luò)的安全系數(shù)計(jì)算模型

油氣集輸管道的完整性受管道的本體缺陷、輸送介質(zhì)的腐蝕、土壤腐蝕性、大氣腐蝕、雜散電流、穿越、跨越、管線(xiàn)交叉以及第三方破壞等眾多風(fēng)險(xiǎn)因素的影響[15]?，F(xiàn)有評(píng)價(jià)方法主要依賴(lài)內(nèi)壓等力學(xué)特征，評(píng)價(jià)過(guò)程中Sf的選取也僅按照地區(qū)等級(jí)確定，未考慮到多種風(fēng)險(xiǎn)因素的影響。筆者以檢測(cè)數(shù)據(jù)為基礎(chǔ)，將風(fēng)險(xiǎn)因素?cái)?shù)據(jù)進(jìn)行對(duì)齊，通過(guò)基于互信息的相關(guān)性分析提取關(guān)鍵風(fēng)險(xiǎn)因素，利用層次分析法對(duì)關(guān)鍵風(fēng)險(xiǎn)因素進(jìn)行權(quán)重計(jì)算并賦分以修正Sf，將關(guān)鍵風(fēng)險(xiǎn)因素作為輸入，Sf作為輸出建立基于徑向基神經(jīng)網(wǎng)絡(luò)的Sf計(jì)算模型，以預(yù)測(cè)更符合實(shí)際情況的Sf用于管道的缺陷評(píng)價(jià)。

2.1 互信息

在信息理論中，互信息的大小可用于表征2個(gè)變量之間的相關(guān)性，互信息值越大，表明相關(guān)關(guān)系越強(qiáng)；互信息值越小，則相關(guān)關(guān)系越弱。其相關(guān)關(guān)系不僅限于線(xiàn)性相關(guān)，非線(xiàn)性的相關(guān)關(guān)系也可由互信息反映，且互信息可用于管道大數(shù)據(jù)的相關(guān)性分析[16]。

對(duì)于一個(gè)概率分布為P(X=xi)=p,i=1,2,…,n′的離散隨機(jī)變量X，其信息熵定義為：

(5)

式中：p(x)為變量X=x的概率；b為底數(shù)。取值不同時(shí)信息熵的量綱不同。

對(duì)于2個(gè)隨機(jī)變量X、Y，條件熵表示變量Y在得到X提供的信息后的剩余不確定性。條件熵定義為：

(6)

2個(gè)變量之間的互信息可以表征相關(guān)性的大小。2個(gè)隨機(jī)變量的互信息定義為：

(7)

式中：n為隨機(jī)變量X的樣本數(shù)量，m為隨機(jī)變量Y的樣本數(shù)量。

互信息值I(X,Y)的大小表示變量X中包含變量Y的信息量，可以用互信息表征兩變量間的相關(guān)度。

2.2 層次分析法

層次分析法是一種考慮專(zhuān)家經(jīng)驗(yàn)的多準(zhǔn)則決策方法，該方法憑借經(jīng)驗(yàn)將各風(fēng)險(xiǎn)因素的重要度進(jìn)行相互比較，利用算法程序計(jì)算各風(fēng)險(xiǎn)因素的權(quán)數(shù)，可以削弱主觀(guān)因素在權(quán)重計(jì)算中的影響[17]。選用1～9代表各指標(biāo)的重要性，初步確定各指標(biāo)之間的重要度生成判斷矩陣，利用算法判斷重要度排序是否合理并計(jì)算各個(gè)指標(biāo)的權(quán)重。層次分析法應(yīng)用流程如下：①提取風(fēng)險(xiǎn)因素；②構(gòu)建層次結(jié)構(gòu)模型；③對(duì)各指標(biāo)打分，生成判斷矩陣；④進(jìn)行一致性檢驗(yàn)，若不通過(guò)則對(duì)判斷矩陣進(jìn)行修改，若通過(guò)則計(jì)算并得出各指標(biāo)權(quán)重。

對(duì)風(fēng)險(xiǎn)因素進(jìn)行兩兩比較時(shí)，采用1～9表示一個(gè)指標(biāo)對(duì)另一個(gè)指標(biāo)的相對(duì)重要度，各指標(biāo)間的重要度關(guān)系可用判斷矩陣表示：

(8)

式中:atj為風(fēng)險(xiǎn)因素ai對(duì)風(fēng)險(xiǎn)因素aj的相對(duì)重要度。

生成的判斷矩陣需要進(jìn)行一致性檢驗(yàn)以評(píng)判計(jì)算結(jié)果是否與評(píng)價(jià)標(biāo)準(zhǔn)相符，通過(guò)一致性檢驗(yàn)則表明判斷矩陣的重要度賦值合理且不相互矛盾。一致性檢驗(yàn)的計(jì)算公式為：

(9)

式中：CR表示一致性比率，CR<0.1則表示判斷矩陣的一致性可接受;CI為表征一致性的指標(biāo)；λmax為判斷矩陣的最大特征值；N為判斷矩陣的階數(shù)；RI為平均隨機(jī)一致性指標(biāo)，與階數(shù)N有關(guān)。

根據(jù)通過(guò)一致性檢驗(yàn)的判斷矩陣計(jì)算矩陣的特征向量和特征根即可得到各風(fēng)險(xiǎn)因素的主觀(guān)權(quán)重。

2.3 徑向基神經(jīng)網(wǎng)絡(luò)

徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)[18]是人工神經(jīng)網(wǎng)絡(luò)的一種，Broomhead等人于1988年提出，基于徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)屬于前饋神經(jīng)網(wǎng)絡(luò)，具有結(jié)構(gòu)簡(jiǎn)單、收斂速度快以及非線(xiàn)性函數(shù)逼近能力強(qiáng)等特點(diǎn)[19]，已經(jīng)在很多領(lǐng)域得到了廣泛應(yīng)用。徑向基神經(jīng)網(wǎng)絡(luò)具有3層網(wǎng)絡(luò)結(jié)構(gòu)，第一層是輸入層，負(fù)責(zé)將輸入變量傳輸?shù)诫[含層，輸入層的節(jié)點(diǎn)數(shù)等于輸入變量的個(gè)數(shù)；第二層是隱含層，隱含層以徑向基函數(shù)為傳遞函數(shù)將輸入變量進(jìn)行計(jì)算轉(zhuǎn)換，隱含層的節(jié)點(diǎn)數(shù)需要根據(jù)實(shí)際情況確定，通常根據(jù)經(jīng)驗(yàn)選取；第三層是輸出層，輸出層的節(jié)點(diǎn)數(shù)等于輸出變量的個(gè)數(shù)。

徑向基神經(jīng)網(wǎng)絡(luò)將徑向基函數(shù)作為隱含層的激勵(lì)函數(shù)，徑向基函數(shù)是一種常用的核函數(shù)，其中高斯函數(shù)使用最廣泛，其表達(dá)式為：

(10)

式中：xp是輸入層第p個(gè)節(jié)點(diǎn)的輸入；ci是隱含層第i個(gè)節(jié)點(diǎn)的中心；σi是隱含層第i個(gè)節(jié)點(diǎn)的高斯函數(shù)方差。

輸出層的表達(dá)式為：

(11)

式中：ωij為隱含層節(jié)點(diǎn)i到輸出層節(jié)點(diǎn)j之間的權(quán)值。

將相關(guān)性分析所挖掘出的關(guān)鍵風(fēng)險(xiǎn)因素作為徑向基神經(jīng)網(wǎng)絡(luò)的輸入，修正后的Sf作為輸出，建立徑向基神經(jīng)網(wǎng)絡(luò)Sf計(jì)算模型。劃分訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)，對(duì)模型進(jìn)行訓(xùn)練且具有一定的精度后，模型可根據(jù)關(guān)鍵風(fēng)險(xiǎn)因素進(jìn)行Sf的計(jì)算。

3 算例分析

3.1 某油田集輸管道概況

某油田地勢(shì)較平坦，大部分土壤表層被風(fēng)沙覆蓋，土質(zhì)以粉砂粉土為主，降水稀少，年溫差和日溫差均較大。該油田共有集輸及外輸管道5 811條，總長(zhǎng)15 641.72 km；金屬集輸管道材質(zhì)以20#鋼為主，管內(nèi)徑范圍14～443 mm，壁厚范圍3～50 mm；設(shè)計(jì)壓力范圍廣；52.49%的管線(xiàn)運(yùn)行超過(guò)10 a。該油田集輸管道輸送介質(zhì)包括原油、伴生氣、凝析氣和污水等，伴生氣內(nèi)硫化氫質(zhì)量濃度高達(dá)96 457.79 mg/m3，原油含硫量達(dá)3.29%，含水體積分?jǐn)?shù)達(dá)62.85%，介質(zhì)腐蝕性強(qiáng)。為減少管道事故的發(fā)生，該油田集輸管道亟需進(jìn)行完整性評(píng)價(jià)。

3.2 數(shù)據(jù)采集

以某條已進(jìn)行內(nèi)檢測(cè)的集輸管道為研究對(duì)象，以?xún)?nèi)檢測(cè)數(shù)據(jù)為基礎(chǔ)，收集并對(duì)齊管道的本體數(shù)據(jù)、環(huán)境數(shù)據(jù)、運(yùn)行數(shù)據(jù)和外檢測(cè)數(shù)據(jù)等26項(xiàng)指標(biāo)，具體數(shù)據(jù)采集指標(biāo)如下。

(1)內(nèi)檢測(cè)數(shù)據(jù)：金屬損失類(lèi)型、缺陷里程、缺陷長(zhǎng)度、缺陷寬度、缺陷深度、鐘點(diǎn)、內(nèi)/外壁、距前環(huán)焊距離、距后環(huán)焊距離、預(yù)估維修比。

(2)外檢測(cè)數(shù)據(jù)：防腐層絕緣電阻級(jí)別、電流衰減率級(jí)別、陰極保護(hù)有效性。

(3)管道本體數(shù)據(jù)：埋深、高程、轉(zhuǎn)角角度、坡度、缺陷點(diǎn)屬性。

(4)環(huán)境數(shù)據(jù)：土壤類(lèi)型、地貌、土壤電阻率、地面情況、穿越和跨越情況。

(5)管道運(yùn)行數(shù)據(jù)：運(yùn)行溫度、運(yùn)行壓力、油品黏度。

3.3 相關(guān)性分析

在對(duì)含缺陷管道進(jìn)行評(píng)價(jià)時(shí)可以根據(jù)Er判定管道的安全狀態(tài)。采集并對(duì)齊數(shù)據(jù)后對(duì)數(shù)據(jù)進(jìn)行離散化，將Er作為決策指標(biāo)，計(jì)算各指標(biāo)與決策指標(biāo)之間的互信息?；バ畔⒎治鼋Y(jié)果如圖1所示。從圖1可以看出：互信息數(shù)值最大指標(biāo)為金屬損失類(lèi)型、缺陷長(zhǎng)度、缺陷寬度、內(nèi)/外壁、缺陷寬度，為缺陷尺寸相關(guān)的因素；數(shù)值較大的指標(biāo)有缺陷里程、坡度、運(yùn)行溫度、運(yùn)行壓力、黏度、鐘點(diǎn)。因此，本管道的完整性情況與內(nèi)檢測(cè)數(shù)據(jù)和管道本體數(shù)據(jù)相關(guān)性較強(qiáng)。

3.4 風(fēng)險(xiǎn)因素權(quán)重計(jì)算與Sf修正

根據(jù)相關(guān)性分析結(jié)果，取相關(guān)度高的指標(biāo)作為風(fēng)險(xiǎn)因素，其中金屬損失類(lèi)型由缺陷的尺寸決定，所以具體考慮缺陷長(zhǎng)度、缺陷深度以及缺陷寬度；缺陷點(diǎn)處的溫度、壓力與缺陷點(diǎn)到起點(diǎn)的距離有關(guān)，黏度與溫度相關(guān)，主要考慮缺陷點(diǎn)的里程；取相關(guān)度高的9個(gè)風(fēng)險(xiǎn)因素進(jìn)行權(quán)重計(jì)算，即：缺陷長(zhǎng)度、缺陷深度、內(nèi)/外壁、缺陷寬度、里程、坡度、鐘點(diǎn)、陰極保護(hù)有效性、地面情況。以相關(guān)性分析結(jié)果作為依據(jù)判斷兩兩風(fēng)險(xiǎn)因素間的重要度關(guān)系，構(gòu)造了重要度判斷矩陣。

由層次分析法計(jì)算得到各指標(biāo)權(quán)重，其中缺陷長(zhǎng)度所占權(quán)重最大，為0.35；其次缺陷深度和內(nèi)/外壁權(quán)重較大，其他因素所占權(quán)重較小，權(quán)重大小分布與相關(guān)性分析結(jié)果相符。具體權(quán)重分布如表2所示。

根據(jù)指標(biāo)權(quán)重并參考相關(guān)文獻(xiàn)[20-21]，確定對(duì)應(yīng)的風(fēng)險(xiǎn)因素分值后建立分值體系，根據(jù)分值體系可對(duì)具體的缺陷數(shù)據(jù)進(jìn)行評(píng)分，以風(fēng)險(xiǎn)分值的大小反映缺陷處的危險(xiǎn)情況。

根據(jù)GB 50253—2014《輸油管道工程設(shè)計(jì)規(guī)范》，考慮管道設(shè)計(jì)系數(shù)和地區(qū)等級(jí)，原始Sf取設(shè)計(jì)系數(shù)0.72的倒數(shù)，值為1.39。所有缺陷的風(fēng)險(xiǎn)分值分布在30～94之間，修正后的Sf分布在1.39～2.07。修正后的Sf會(huì)比原始Sf大，且風(fēng)險(xiǎn)分值越大，修正后的Sf越大，由Sf反映缺陷點(diǎn)的危險(xiǎn)程度。

表2 風(fēng)險(xiǎn)因素指標(biāo)權(quán)重Table 2 Index weight of risk factors

3.5 徑向基神經(jīng)網(wǎng)絡(luò)安全系數(shù)計(jì)算模型

根據(jù)上述相關(guān)性分析結(jié)果，將相關(guān)度最高的7個(gè)指標(biāo)：金屬損失類(lèi)型、缺陷長(zhǎng)度、缺陷深度、內(nèi)/外壁、缺陷寬度、里程、鐘點(diǎn)作為輸入變量，修正后的Sf作為輸出變量。共有4 370組數(shù)據(jù)，將90%的數(shù)據(jù)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，10%的數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)的測(cè)試。

創(chuàng)建的徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為7-15-1，即有15個(gè)隱含層節(jié)點(diǎn)，設(shè)置訓(xùn)練次數(shù)20萬(wàn)次。該模型對(duì)缺陷的部分預(yù)測(cè)結(jié)果與實(shí)際值的對(duì)比如圖2所示。

圖2 部分缺陷Sf預(yù)測(cè)結(jié)果Fig.2 Sf prediction results of some defects

將模型預(yù)測(cè)結(jié)果與實(shí)際值進(jìn)行比較，437組樣本平均誤差為1.67%，最大誤差為7.75%，總體預(yù)測(cè)效果較好，變化趨勢(shì)基本一致，測(cè)試結(jié)果反映了該模型的準(zhǔn)確性。

3.6 修正后的Sf的應(yīng)用

將原Sf與修正后的Sf分別用于缺陷評(píng)價(jià)中，得出的預(yù)估維修比Er的分布如圖3和圖4所示。

從圖3評(píng)價(jià)結(jié)果可以看出，使用原Sf進(jìn)行評(píng)價(jià)時(shí)，所有缺陷Er均小于1，均處于安全狀態(tài)。而從圖4中可以看出，使用修正后的Sf進(jìn)行評(píng)價(jià)時(shí)，存在2個(gè)缺陷Er大于1，且整體Er值更高。提取Er大于1的2個(gè)缺陷的詳細(xì)信息進(jìn)行分析，結(jié)果如表3所示。

表3 Er大于1的缺陷信息Table 3 Information of defects with Er greater than 1

以第1869號(hào)缺陷為例，此缺陷的深度已達(dá)到50%壁厚，且長(zhǎng)度和寬度均大于100 mm，缺陷尺寸較大；此缺陷點(diǎn)地處水塘之下，埋深1.65 m，土壤濕度較大；缺陷距管道起點(diǎn)2.3 km，介質(zhì)溫度達(dá)63 ℃，壓力1.2 MPa；且此管道服役年限已達(dá)17年；此缺陷點(diǎn)風(fēng)險(xiǎn)分值較高，容易發(fā)生管道事故。同理，第3927號(hào)缺陷長(zhǎng)度較長(zhǎng)，深度達(dá)到26%壁厚，且風(fēng)險(xiǎn)分值高。從安全運(yùn)行的角度考慮，這2個(gè)缺陷應(yīng)該盡早采取維護(hù)維修措施。

提取Er大于0.9小于1的13個(gè)缺陷的詳細(xì)信息進(jìn)行分析，缺陷詳細(xì)信息見(jiàn)表4。

圖3 原Sf評(píng)價(jià)結(jié)果 Fig.3 Original Sf evaluation results

圖4 修正后的Sf評(píng)價(jià)結(jié)果Fig.4 Corrected Sf evaluation results

表4 部分缺陷信息Table 4 Information of some defects

從表4可以看出，13個(gè)缺陷中的長(zhǎng)度、深度、寬度均出現(xiàn)較大數(shù)值，缺陷處的風(fēng)險(xiǎn)分值較高。該13個(gè)缺陷的安全性較差，為保證管道的安全運(yùn)行，需要對(duì)這些缺陷點(diǎn)進(jìn)行監(jiān)控使用。

從以上結(jié)果進(jìn)行對(duì)比，可見(jiàn)修正后的評(píng)價(jià)方法更加保守但是更能體現(xiàn)缺陷處的真實(shí)狀況。所以，基于RBFNN的腐蝕缺陷評(píng)價(jià)方法具有適用性，可以指導(dǎo)集輸管道的維護(hù)與維修。

4 結(jié) 論

(1)通過(guò)對(duì)管道多種類(lèi)型的數(shù)據(jù)進(jìn)行相關(guān)性分析并提取關(guān)鍵風(fēng)險(xiǎn)因素，利用層次分析法對(duì)各風(fēng)險(xiǎn)因素進(jìn)行權(quán)重計(jì)算并賦分，量化各風(fēng)險(xiǎn)因素對(duì)管道完整性的影響，使得安全系數(shù)Sf的選取更符合管道的風(fēng)險(xiǎn)狀況。

(2)通過(guò)徑向基神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測(cè)試，可對(duì)已知管道數(shù)據(jù)進(jìn)行Sf的快速預(yù)測(cè)，為后續(xù)的缺陷評(píng)價(jià)提供更合理的Sf，從而實(shí)現(xiàn)徑向基神經(jīng)網(wǎng)絡(luò)在油氣集輸管道缺陷評(píng)價(jià)中的應(yīng)用。

(3)使用修正后的安全系數(shù)Sf進(jìn)行缺陷評(píng)價(jià)時(shí)，雖然評(píng)價(jià)結(jié)果相對(duì)原方法更保守，但是更能反映缺陷處的真實(shí)狀況，對(duì)集輸管道的安全運(yùn)行和維護(hù)與維修具有一定的指導(dǎo)意義。