为了提高油气管道腐蚀速率的预测精度,解决样本缺失情况下管道剩余寿命的预测问题,通过斯皮尔曼相关系数和随机森林算法寻找腐蚀因素中相关性较高的变量,去除相关性较高但重要性较低的变量,采用人工蜂群算法(ABC)对GM(1,N)模型的背景值进行动态优化,形成优化GM(1,N)模型,并对不同模型的预测结果进行了对比.结果表明,腐蚀因素中一些变量存在较强的相关性,筛选出重要性较高且相关性较小的5个变量,分别为土壤电阻率、含盐量、氧化还原电位、含水量和硫化物质量分数;与GM(1,10)和GM(1,6)模型相比,优化的GM(1,6)模型在训练阶段和预测阶段的平均相对误差均大幅降低,分别为1.52%和2.03%,预测结果更接近实际值,说明了降低因素冗余性和对背景值进行优化的必要性.该优化模型可为油气管道腐蚀速率的准确预测提供实际参考和借鉴.
国家科技期刊平台
NSTL
万方数据
维普
