基于BP神经网络的管道腐蚀速率预测  

Corrosion Rate Prediction of Pipeline Based on BP Artificial Neural Network

作　　者：章玉婷[1] 杨剑锋[1] 

机构地区：[1]北京化工大学化工安全教育部工程研究中心,北京100029

出　　处：《全面腐蚀控制》2013年第9期67-71,共5页Total Corrosion Control

基　　金：国家科技支撑计划课题基于风险的特种设备事故预防关键技术研究(2011BAK06B03-05)

摘　　要：本文将采用BP神经网络技术,以压力、温度、流速、含硫量和酸值作为输入参数,以管道内腐蚀速率作为输出参数,建立了输油管道的腐蚀速率预测模型。计算结果表明,该模型具有较好的预测精度,模拟出的腐蚀速率与实测值能较好的吻合,并且能够反映各因素与腐蚀速率之间的关系。A model for predicting the corrosion rate of oil pipeline was built based on BP neural network theory.In this model,pressure,temperature, flow speed,sulphur content and acid number were set as input parameters while the corrosion rare was the output parameter.The results show that the model has good forecasting accuracy and it can reflect the corrosion factors effectively.

关 键 词：BP神经网络 腐蚀速率 预测模型 

分 类 号：TG174[金属学及工艺—金属表面处理]