Page 95 - 腐蚀与防护2024年第十一期

王明达, 等: 城镇燃气管道腐蚀失效逻辑回归预测模型的构建与应用

定的包含n 个 d 维数据点的数据集X 及类别K , 选 理性, 作者收集了影响燃气管道完整性的核心数据,
取欧式距离作为相似度指标, 聚类目标是使得各聚 并对收集的数据进行全面分析, 获取燃气管道的参

类平方和最小, 即最小化, 见式( 1 )。 数信息。数据主要包括燃气管道失效数据和管道设
n
k 计指标。
2
j= ∑ x i- u k ( 1 )
k= 1 ( 1 )燃气管道失效数据
i = 1
将前文中对城镇燃气管道失效原因的分析作为 根据2019~2021年的燃气事故报告, 收集每起
事故原因分类的原始标签, 从而实现管道失效原因 事故发生的管道桩号、 时间、 事故原因等信息。
的自动分类。然后, 通过聚类法分析燃气管道失效 ( 2 )管道设计指标

主因, 聚类数设置为5 , 迭代数设置为50 , 输出的聚 调研收集各大燃气公司内部数据, 查阅有关国

类结果散点图如图 2所示。 家标准如 GB / T9711-2011 《 石油天然气工业管线
输送系统用钢管》, GB50028-2006 《 城镇燃气设计

规范》 等, 确定与燃气管道设计指标有关的数据。数
据包括管道基础数据、 检测监测数据、 防腐蚀检测数
据、 运维数据等。
对收集的数据进行整合, 并将其分为管道基本
属性数据、 管道检测数据和管道运维数据三大类, 形
成包括桩号、 管道压力、 缺陷长度在内的13个腐蚀

影响因素, 建立如图 4所示的城镇燃气管道腐蚀因
图2 城镇燃气管道失效原因聚类散点图 素指标体系。

Fi g .2 Scatter p lotofurban g as p i p elinefailure
散点图中的 5 个聚类簇分别为: 簇 1 ( 管道腐
蚀), 簇2 ( 燃气用户违规使用), 簇3 ( 险情处置能力
不足), 簇4 ( 违规施工), 簇5 ( 用户燃气设施故障老
化)。根据聚类分析可知, 城镇燃气管道失效原因主
要集中在簇1 ( 管道腐蚀), 即燃气管道失效事故发
生的主要原因为管道腐蚀。所以, 作者通过挖掘燃
气管道腐蚀的各类特征之间的关联规则, 预测城镇 图4 城镇燃气管道腐蚀因素指标体系

燃气管道失效, 从而达到预防燃气管道失效事故的 Fi g .4 Corrosionfactorindexs y stemforurban g as p i p eline

燃气管道腐蚀影响因素的部分数据如表 1 所
目的。图 3为研究路线图。
示。通过数据分析发现, 燃气管道失效主要由燃气
管道腐蚀泄漏导致, 而管道腐蚀受管道投入年份( 服
役时间)、 埋深、 压力等因素影响。为了在众多因素
中确定影响城镇燃气管道腐蚀的关键因素, 作者利
用广义灰色关联分析法获取关联度较高的腐蚀因素
作为后续预测模型的影响因素集。
广义灰色关联分析法主要利用系统中各个因素
之间发展趋势的相似性, 通过定量分析的方法来确
定各因素之间关联度 [ 16 ] , 主要包含相对关联度、 绝

(
图3 研究路线图 对关联度和综合关联度。设置参照序列为 X 0 k ) =
(), (),…, X 0 m ) , m 为样本量。影响因
Fi g .3 Researchroadma p (
X 0 1 X 0 2
素序列为 X i k ), 由于上述腐蚀因素指标体系内有
(
2 云环境中燃气管道失效预测模型
13个腐蚀影响因素, 所以 i= 1 , 2 ,…, 13 , 并对参照
2.1 数据构成 序列和影响因素序列进行归一化处理。
为了保障燃气管道失效预测模型的准确性和合 ( 1 )绝对关联度计算

· 8 ·
7