当前位置: 首页> 交通专利数据库 >详情
原文传递 油气管道土壤腐蚀分级量化方法
专利名称: 油气管道土壤腐蚀分级量化方法
摘要: 本发明公开了一种油气管道土壤腐蚀分级量化方法,包括以下步骤:设计RS‑EW‑SPA模型架构,建立模型(运用粗糙集算法对本地记录数据进行预处理,运用粗集‑熵权计算法确定权重,根据集对理论多元联系数的分析方法将指标因素与评价等级组成集对,建立多元联系度关系式,依据各分级指标因素的实际情况和权重大小确定分级数),根据Python算法程序运行RS‑EW‑SPA模型。本发明的有益之处在于:采用RS‑EW‑SPA模型对油气管道土壤腐蚀等级进行定量分级评价,消除了主观因素影响,将复杂数据化为同一标准,客观的从大量样本数据中挖掘隐含知识并分析分类,具有容错和泛化能力;结合Python机器学习对不同文件形式的大数据样本运行RS‑EW‑SPA模型,达到了预测不同点处油气管道土壤腐蚀特性的目的。
专利类型: 发明专利
国家地区组织代码: 陕西;61
申请人: 西安石油大学
发明人: 李琳;唐千惠;王玉婷
专利状态: 有效
申请日期: 2019-05-30T00:00:00+0800
发布日期: 2019-07-26T00:00:00+0800
申请号: CN201910465228.0
公开号: CN110057748A
代理机构: 西安中科汇知识产权代理有限公司
代理人: 刘玲玲
分类号: G01N17/00(2006.01);G;G01;G01N;G01N17
申请人地址: 710065 陕西省西安市电子二路东段18号
主权项: 1.油气管道土壤腐蚀分级量化方法,其特征在于,包括以下步骤: 一、设计RS-EW-SPA模型架构 首先,通过粗糙集算法对土壤各指标因素的历史记录数据进行预处理,确定数据离散表; 然后,根据指标分类区间对预处理后的数据利用熵权计算法进行熵权计算,得到数据特征权值; 之后,利用集对理论分析法根据集对理论多元联系数分析得到数据特征向量; 最后,运用python软件完成RS-EW-SPA模型的运算; 二、建立模型 首先,根据设计RS-EW-SPA模型架构的流程,运用粗糙集算法对本地记录数据进行预处理,将本地的历史记录数据处理成为可用于做特征加权的数据; 然后,运用粗集-熵权计算法确定权重,对于T个指标,在Y个被分类对象的区域系统内,第v个指标(v=0、1、2…n)的熵权为: 其中,Hv为第v个指标的熵值; 接下来,根据集对理论多元联系数的分析方法,将指标因素与评价等级组成集对,使得特征加权后的数据特征向量化,建立多元联系度关系式,即量化公式: U=a+b1i1+....+bnin+cj (6) 其中,b1,b2,…bn为差异度分量,i1,i2,…in为差异度分量系数; 针对指标因素,确立多元联系数的评价等级划分公式: Dn=aw0+b1w1+.....+b10w10+cw11 (7) 其中,wi为等级权重数,a、bi、c表示离散等级; 最后,依据各分级指标因素的实际情况和权重大小确定四个等级的分级数; 三、模型运算 根据Python算法程序运行RS-EW-SPA模型。 2.根据权利要求1所述的油气管道土壤腐蚀分级量化方法,其特征在于,在步骤一中,所述土壤各指标因素包括:pH值、钾钠离子含量、钙离子含量、镁离子含量、氯离子含量、硫酸根离子含量、碳酸氢根离子含量、碳酸根离子含量、易溶盐总量、土壤电阻率、土壤含水率和土壤孔隙比。 3.根据权利要求1所述的油气管道土壤腐蚀分级量化方法,其特征在于,在步骤二中,所述第v个指标的熵值Hv的计算公式为: 在式(1)中: 对原数据集作标准化处理,得到矩阵aiv': 式中,aiv'是对数据进行标准化处理后的矩阵; R是原始数据; R_max、R_min分别是原始数据集的最大值、最小值。 4.根据权利要求1所述的油气管道土壤腐蚀分级量化方法,其特征在于,在步骤二中,所述四个等级的分级数分别为: 第一等级: 1≤D1≤3w0+w1+....+w11 (8) 第二等级: 3w0+....+w11≤D2≤6w0+....+w11 (9) 第三等级: 6w0....+w11≤D3≤9w0+....+w11 (10) 第四等级: 9w0+....+w11≤D4≤12w0+....+w11 (11)。 5.根据权利要求1所述的油气管道土壤腐蚀分级量化方法,其特征在于,在步骤三中,所述根据Python算法程序运行RS-EW-SPA模型,具体方法如下: 首先,使用xlrd模块对存储在excel中的数据进行读取; 然后,使用numpy库快速进行统计以及大量的维度数组和线性代数矩阵运算; 之后,使用math库进行数学取整、保留几位小数、四舍五入、求绝对值这些常用数学函数运算; 最后,使用open函数进行新建文件操作,将运算结果以任意文件形式保存。
所属类别: 发明专利
检索历史
应用推荐