基于机器学习算法的管道内外检测数据对齐方法

摘要：

管道外检测数据与内检测数据的对齐是管道完整性管理中的重要一环,其主要任务是将外检测点对齐到内检测中心线上,以充分挖掘内检测和外检测数据的价值.基于某长输管道公司管道完整性管理系统中的外检测数据和内检测数据,从地面标识点与里程桩的关系出发,利用机器学习算法构建内检测点与外检测里程的关系模型,预测内检测点在外检测中的里程,进而增加内检测点与外检测里程映射,实现数据增强;通过地面标识点和里程桩对管道分段,利用线性拉伸算法逐段将外检测点对齐到内检测中心线,从而实现外检测和内检测数据的对齐.结果 表明:由机器学习算法构建的内检测点的外检测里程预测模型的平均绝对百分误差小于0.10％,决定系数为99.99％,该模型能够很好地捕捉内检测点与外检测里程的关系,以支撑管道外检测数据与内检测数据的自动对齐.

关键词：管道;完整性;内检测数据;外检测数据;数据对齐;机器学习

所属期刊栏目：40

分类号：TE832(石油、天然气储存与运输)

在线出版日期：2021-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1236-1241