基于KPCA-PIO-ELM模型的管道剩余寿命预测分析.pdf

信息技术XINXIJISHU2024年第10期

基于KPCA-PIO-ELM模型的管道

剩余寿命预测分析

霍奕宇，李西锋

（陕西国防工业职业技术学院机械工程学院，西安710300）

摘要：为了提高腐蚀管道剩余寿命预测精度，提出基于核主成分分析（KPCA）和鸽群优化算法

(PIO)的极限学习机(ELM)预测模型。通过KPCA提取关键腐蚀因素，降低预测指标维度；采用PIO

对ELM的输入权值及隐层阈值进行优化,提升预测精度。为检验模型效能，以某注水管道的50组数

据为例进行研究，并与ELM、BP两组模型的预测结果进行对比分析，结果表明：构建模型的MAE、

MAPE、RMSE均优于对比模型，证明KPCA-PIO-ELM模型在预测注水管道剩余寿命方面具有可行性

及优越性。

关键词：剩余寿命预测；腐蚀管道；核主成分分析；群优化算法；极限学习机

中图分类号：TG178文献标识码：A

D0I:10.13274/j.cnki.hdzj.2024.10.014

PredictionandanalysisofpipelineremaininglifebasedonKPCA-PIO-ELMmodel

HUoYi-yu,LIXi-feng

(ShaanxiInstituteofTechnology,Xian710300,China)

Abstract:Inordertoimprovethepredictionaccuracyofremaininglifeofcorrodedpipelines,anExtreme

LearningMachine(ELM)predictionmodelbasedonKernelPrincipalComponentAnalysis(KPCA)and

PigeonColonyOptimizationalgorithm(PIO)isproposed.ThekeycorrosionfactorsareextractedbyKPCA

toreducethedimensionofpredictionindex.PIOisusedtooptimizetheinputweightandhiddenlayer

thresholdofELMtoimprovethepredictionaccuracy.Inordertotesttheefficiencyofthemodel,50setsof

dataofawaterinjectionpipelinearetakenasanexampletostudy,andcomparedwithELMandBPmod-

els.TheresultsshowthatMAE,MAPEandRMSEofthemodelarebetterthanthecomparisonmodel,

whichprovesthatKPCA-PIO-ELMmodelisfeasibleandobviouslysuperiorinpredictingtheremaininglife

ofwaterinjectionpipeline.

Keywords:remaininglifeprediction;corrosionpipeline;kernelprincipalcomponentanalysis;pigeoncol-

onyoptimizationalgorithm;extremelearningmachine

0引言管道一旦发生泄漏，便会造成资源流失，经济浪

近年来由腐蚀引发的管道泄漏事故频发[，

测，不仅可以为管道风险评估提供依据，还可以及