EEMD-LASSO-优化GM(1,N)管道腐蚀速率预测模型

作     者：祁庆芳 许琳 刘怀佳 孔雅 叶丽娟 颜芝盛 王杰 QI Qingfang;XU Lin;LIU Huaijia;KONG Ya;YE Lijuan;YAN Zhisheng;WANG Jie

作者机构：中国石油天然气股份有限公司青海油田分公司管道处 中国石油天然气股份有限公司青海油田分公司采油二厂 

出 版 物：《油气储运》 (Oil & Gas Storage and Transportation)

年 卷 期：2025年第44卷第1期

页      面：49-58页

学科分类：0820[工学-石油与天然气工程] 08[工学] 082003[工学-油气储运工程] 

基　　金：中国石油股份有限公司重点项目“青海油田涩北气田腐蚀机理研究” 2022-KJ-105 

主　　题：油气管道 EEMD LASSO GM(1,N) 腐蚀速率 相对误差 

摘      要：【目的】为了评价管道的剩余强度与剩余寿命,并针对性地制定防腐措施,亟需提高管道腐蚀速率的预测精度。【方法】建立了一种基于集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)-套索回归(Least Absolute Shrinkage and Selection Operator,LASSO)-优化一阶多维灰色模型〔First Order Multidimensional Grey Model,GM(1,N)〕的腐蚀速率预测模型。首先,采用EEMD算法增加原始自变量的多样性,降低序列波动对预测结果的影响,将隐藏在数据中的信息按照频域尺度逐层分解;之后,采用LASSO算法进行自变量筛选,降低序列间的相关性、冗余性;最后,引入线性修正量和灰色作用量对GM(1,N)模型进行优化,将微分方程变为差分方程,形成优化GM(1,N)模型,并将输入变量代入优化GM(1,N)模型完成训练和预测。【结果】与CO_(2)分压、SRB(Sulfate Reducing Bacteria)个数相关的影响权重较大,腐蚀过程由CO_(2)控制,共筛选出包括分解变量和残余变量在内的8个自变量;与灰色关联法筛选得到的影响因素相比,LASSO算法具有一定的客观性和科学性;EEMD-LASSO-GM(1,N)模型的平均相对误差为1.25%、标准差为0.72,模型精度超过常规GM(1,N)、EEMD-常规GM(1,N)、EEMD-优化GM(1,N)、EEMD-主成分分析-优化GM(1,N)等模型;通过与文献数据相对比,EEMD-LASSO-GM(1,N)模型的预测精度更高,其在泛化能力和鲁棒性上具有优越性,并在腐蚀影响因素和数据条数不同时,仍具有良好的适应性。【结论】研究结果可为多因素耦合的管道腐蚀行为预测和腐蚀速率发展趋势的预测提供理论依据及实际参考。