Page 99 - 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

为管道未失效。采用以上公式计算模型的准确率、
Σn TP
R = ( 14 )
) 值, 结果见表 5 。由表5中的
Σ ( n TP+ n FN 精准率、 召回率和 F 1
值综合表述了精准率和召回率的输出结果, 数据可知, 基于逻辑回归的管道失效预测模型在预
F 1
其值越高则说明模型的输出效果越好, 其计算公 值分别为
测管道失效与否的时候表现较好, 其 F 1
式为 0.90和0.88 , 准确率为 0.89 , 预测模型总体上达到
2PR 了较高水准。
F 1= ( 15 )
P +R 表5 管道失效预测的准确率
为了更加直观地判断模型的预测效果, 引入特 Tab.5 Accurac y of p i p elinefailure p rediction

异度和灵敏度来绘制 ROC曲线。 ROC曲线的横轴 预测结果 n TP n FP A P R F 1
), 纵轴表示真正率( R TP ROC 曲
),
表示假正率( R FP 未失效 56 6 0.90 0.89 0.90
0.89
线下的阴影面积就代表 AUC值, 通常用 AUC 值来 失效 46 7 0.87 0.88 0.88
表示模型的好坏, 值越大则说明模型效果越好, 表4
ROC曲线可以直观地展示出模型的预测效果。
展示了模型好坏与 AUC值之间的关系。
根据图9 ( b ) 可知, 基于逻辑回归的管道失效预测模
表4 AUC评价指标
型的 AUC 值为 0.86 , 说明该模型的效果优于随机

Tab.4 AUCevaluationindicators
猜测, 与使用混淆矩阵进行评估的结果一致。
AUC值 模型性能 3.4 云环境中计算和线下计算时间对比
完美分类器
1
0.5~1 分类效果优于随机猜测 比较了两种计算模式即云环境中和线下的计算
速率。线下计算是在 PC 机使用 P y thon语言, 依托
0.5 分类效果等于随机猜测
0~0.5 分类效果劣于随机猜测 深度学习的 TensorFlow 框架搭建逻辑回归预测模
型, 使用与云环境中相同的数据进行模型计算。 PC
3.3 预测结果分析
机的配置为: CPU6核, 2.81GHz ; 内存16G 。表6
本研究以阿里云 PAI平台为实现平台, 利用
为云环境中和线下两种模式对比。
可视化建模模块, 通过对数据进行有关处理操作
表6 两种计算模式对比
并对模型参数进行相应调整, 实现了城镇燃气管
Tab.6 Com p arisonoftwocalculationmodels
道失效 预 测 模 型 的 构 建, 最 终 通 过 混 淆 矩 阵 和
对照内容 云环境中计算 线下计算
ROC曲线对模型的预测结果进行评价, 其结果如 耗时 / s 90.15 334.26
图9所示。 模型准确率 / % 0.89 0.76
模型发布方式 支持一键发布 需要代码支持
工作内容 准备数据 准备数据、 编写代码、 模型评估
综合两种计算模式的对比结果, 云环境中的模
型构建相比线下模型构建有着耗时短、 准确率高、 操
作简单等优点, 构建模型时无需很强的代码基础便
可完成机器学习模型的构建和计算。
3.5 案例分析
2021年 6 月 13 日, 湖北省十堰市发生重大燃
气爆炸事故, 事故造成26人死亡, 138人受伤, 直接

经济损失约5395.41 万元。经调查得知, 引发事故
的直接原因是天然气中压钢管严重腐蚀导致破裂, 泄

漏的天然气遇商户排油烟管道排出的火星发生爆炸,
图9 混淆矩阵和 ROC曲线 是一起由于管道失效引发的燃气爆炸事故。提取出

Fi g 9 Confusionmatrix a andROCcurve b 该次事故燃气管道的失效影响因素如表7所示。
由图9 ( a ) 混淆矩阵可知, 在 63 份管道未失效 将该事故中管道失效影响因素经数据化处理后
数据中, 有56份预测正确, 7份预测为管道失效; 在 导入预测模型, 在 PMML 中得到逻辑回归方程中
52份管道失效数据中, 有46份预测正确, 6份预测 的 回归系数如表 8 所示。 结果表明, 基于逻辑回归

· 9 ·
1