石油天然气工业论文_基于小波KPCA-SSA-ELM的盐
文章摘要:为提升盐穴储气库注采管柱的内腐蚀速率预测精度，建立基于小波核主成分分析方法（KPCA）和樽海鞘群算法（SSA）优化的极限学习机（ELM）腐蚀速率预测模型。首先通过小波KPCA提取影响注采管柱内腐蚀的主要特征，应用ELM建立盐穴储气库注采管柱内腐蚀速率预测模型，并采用SSA对模型参数进行迭代寻优，避免原参数选取的强随机性对模型泛化能力和预测性能的影响。结果表明：经小波KPCA特征提取后得到包含98.73%原信息的3项主成分，SSA-ELM模型的预测结果与实际值基本吻合，其均方根误差(ERMS)为0.0093，平均绝对百分比误差(EMAP)为0.3360%，决定系数(R2)高达0.9912，较于其他三种对比模型性能更优。证明了所建模型具有强泛化性能和高预测精度，能够有效预测盐穴储气库注采管柱的内腐蚀速率，为盐穴储气库注采系统的完整性评价和风险预警提供参考依据。
文章关键词:
