儲罐底板腐蝕狀況的貝葉斯網(wǎng)絡(luò)智能評價方法.pdf

《儲罐底板腐蝕狀況的貝葉斯網(wǎng)絡(luò)智能評價方法.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第39卷第3期化工機械335儲罐底板腐蝕狀況的貝葉斯網(wǎng)絡(luò)智能評價方法’張穎”1’2陳榮剛3韓麗艷2張永功2(1．哈爾濱工業(yè)大學(xué)能源科學(xué)與工程學(xué)院；2．東北石油大學(xué)機堿科學(xué)與工程學(xué)院；3．南通華盛港口有限公司)擅要以貝葉斯網(wǎng)絡(luò)為基礎(chǔ)，利用與儲罐底板腐蝕相關(guān)的外部表征因素。結(jié)合領(lǐng)域?qū)＜医?jīng)驗，采用隨機重啟爬山算法等5種啟發(fā)式算法。構(gòu)建儲罐底板腐蝕狀況貝葉斯網(wǎng)絡(luò)智能評價模型。對比樣本預(yù)洲結(jié)果可知：隨機重啟爬山算法構(gòu)建的網(wǎng)絡(luò)模型預(yù)測能力優(yōu)于其他4種算法學(xué)習(xí)的網(wǎng)絡(luò)結(jié)構(gòu)，平均準(zhǔn)確率為92％。預(yù)測蛄果表明。誼預(yù)測模型可解決儲罐底扳腐蝕狀況的預(yù)測問題，具有一定的工程應(yīng)用價值。關(guān)鍵詞儲罐底板腐蝕貝葉斯網(wǎng)

2、絡(luò)外部表征因素聲發(fā)射在線檢測中圍分類號rQ053．2文獻標(biāo)識碼^文章編號0254-6094(2012)03-0335·-04石油是國家戰(zhàn)略儲備資源，常壓儲罐是油品的主要儲存設(shè)備。其安全性和經(jīng)濟性深得關(guān)注。儲罐底板是最易發(fā)生腐蝕的部位，其腐蝕機理復(fù)雜，腐蝕速率等數(shù)據(jù)難獲取，而許多與儲罐底板腐蝕狀況相關(guān)的外部表征因素尚未得到有效利用。這些外部表征因素具有復(fù)雜性和不確定性，無法直接與儲罐底板腐蝕狀況建立關(guān)系。作為一種基于概率的不確定性推理方法，貝葉斯網(wǎng)絡(luò)在處理不確定信息的智能化系統(tǒng)中已得到廣泛應(yīng)用¨工1。筆者以貝葉斯網(wǎng)絡(luò)理論為基礎(chǔ)，利用與儲罐底板腐蝕相關(guān)的外部表征數(shù)據(jù)，結(jié)合領(lǐng)域?qū)＜医?jīng)驗，建

3、立儲罐底板腐蝕狀況的貝葉斯網(wǎng)絡(luò)智能評價模型。將預(yù)測結(jié)果與聲發(fā)射在線檢測評價結(jié)果進行對比，證明了該方法的準(zhǔn)確性和可行性，為儲罐底板腐蝕狀況的智能評價提供了新思路。1貝葉斯網(wǎng)絡(luò)基本理論1．1貝葉斯網(wǎng)絡(luò)貝葉斯網(wǎng)絡(luò)¨-的形式化定義中講到其是一個二元組c=(s，8)，其中s=

4、x。，邑，?，t)=np(X，IPa(x．))(1)式中Pa(Xi)——節(jié)點工。的父節(jié)點集合。1．2貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)首先需要定義一種衡量拓撲結(jié)構(gòu)與樣本集吻合程度的測度，筆者采用貝葉斯測度作為搜索測度，該測度算法的核心思想是在給定訓(xùn)練樣本集D時尋求具有最大后驗概率的拓撲結(jié)構(gòu)S，即：p(sIO)=P(s，D)勿(D)；P(s)P(DiS)／p(D)(2)式中P(s)——先驗概率分布；P(SID)——基于某種拓撲結(jié)構(gòu)下的后驗概率；P(D)——與結(jié)構(gòu)無關(guān)的正規(guī)化常數(shù)；P(DIS卜邊界似然。在無約束多項分布、參數(shù)獨立、采用Dirichlet先驗和數(shù)據(jù)完整的前提下，數(shù)據(jù)的邊

5、界似然正好·黑龍江省教育廳科學(xué)技術(shù)研究項目(12511008)?！ぁ埛f，男，1972年12月生，副教授。黑龍江省大慶市，163318。336化工機械2012正等于每一個(i，，)對邊界似然的乘積，即：Pc㈣=觚黝％半㈥其中，n是樣本容量，ri、g；分別是節(jié)點i及其父節(jié)點的狀態(tài)空間數(shù)目，口蜩，口啦，?，口鮞，為各個(茹；，凡(髫；))在先驗樣本中出現(xiàn)的頻數(shù)，口。=∑口．m；JI、r棚，N啦，?，N驢是對應(yīng)的樣本在D中的出現(xiàn)頻數(shù)，NⅡ=∑

6、j＼r油；r是伽瑪函數(shù)。式(3)即為貝葉斯測度，該測度為爬山搜索算法的基礎(chǔ)。對于式(2)的求解，即搜索具有最大后驗概率的貝葉斯網(wǎng)絡(luò)是一個NP-har

7、d問題H]，一般情況下，不能保證得到最優(yōu)的貝葉斯網(wǎng)絡(luò)。因此通常都采用啟發(fā)式搜索來尋求最優(yōu)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。1．3貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)同結(jié)構(gòu)學(xué)習(xí)中的貝葉斯測度一致，筆者采用貝葉斯算法進行參數(shù)學(xué)習(xí)。對于已確定的拓撲結(jié)構(gòu)S，樣本D無缺失的條件下，OPT參數(shù)服從Dirichlet分布：離散化樣本數(shù)據(jù)貝葉斯RRHC工H(：]=K2工TS工SAP(％ID．f)=肼如拋(％la辨+^r*，％+％，?，％+咋)；≠垃叢上血嘭“C43．Ⅱ，(口赫+‰)?其中，口。f=(0譏，0啦，?，％)，是節(jié)點i在父節(jié)點為第J狀態(tài)下，描述各個條件概率參數(shù)的矢量；亭是先驗知識，即為口汛，口鳙，?，％。2儲罐底板腐蝕狀況

8、貝葉斯網(wǎng)絡(luò)智能評價模型的建立2．1網(wǎng)絡(luò)構(gòu)建的基本流程以儲罐底板腐蝕狀況影響因素為樣本，儲罐底板腐蝕狀況等級為評價目標(biāo)，根據(jù)貝葉斯網(wǎng)絡(luò)基本理論構(gòu)建儲罐底板腐蝕狀況貝葉斯網(wǎng)絡(luò)智能評價模型，其流程如圖1所示。分別采用隨機重啟爬山算法(RRHC)、爬山算法(HC)、K2算法(K2)、Tabu搜索算法(TS)和模擬退火算法(SA)對貝葉斯網(wǎng)絡(luò)進行學(xué)習(xí)，構(gòu)建5種貝葉斯網(wǎng)絡(luò)模型。通過比較5種網(wǎng)絡(luò)模型的預(yù)測能力，確定最終的儲罐底板腐蝕貝葉斯網(wǎng)絡(luò)智能評價模型。若模型預(yù)測準(zhǔn)確