摘要： 天然气管道地理环境复杂、运行工况多变,以蒙特卡罗模拟为代表的不确定性仿真是目前腐蚀管道可靠性评价的主要方法.然而天然气管道高设计可靠度特性所带来的高次模拟问题,使蒙特卡罗模拟十分耗时.为解决这一问题,本文采用神经网络算法取代蒙特卡罗模拟的可靠性评价方法,建立管道基本参数与可靠度的非线性模型.针对目前神经网络算法应用过程中存在的先验信息与神经网络模型的融合问题,本文创新性地提出智能优化算法与神经网络算法相结合的方法.该方法能够将腐蚀管道可靠度变化规律融入到建模过程中.建立了从特征变量的选择、样本数据的生成与处理、神经网络模型构建及模型预测效果评价一体化计算流程.在多种工况下采用神经网络模型对管道结构可靠度进行预测,结果表明该模型能够在极短的时间内获得与蒙特卡罗模拟高度近似的评价结果.相比于传统的神经网络模型,该方法建立的模型在可靠度预测准确性及可靠度变化规律的反映能力方面均有大幅度提高.

关键词: 腐蚀天然气管道, 可靠性, 人工神经网络建模方法改进, 模拟退火算法, 拉丁超立方抽样, 遗传算法