管道大數(shù)據(jù)決策支持技術(shù)

目錄
從書序
前言
第1章 管道大數(shù)據(jù)發(fā)展趨勢及展望 1
1.1 管道完整性管理發(fā)展概況 1
1.1.1 國外研究進展 1
1.1.2 國內(nèi)研究進展 2
1.2 管道完整性管理技術(shù)進展 3
1.2.1 管道完整性評估理論體系 3
1.2.2 管道三軸高清漏磁內(nèi)檢測系列裝置 4
1.2.3 多通道高精度變形檢測裝置和管道應(yīng)變監(jiān)測系統(tǒng) 6
1.2.4 管道地區(qū)等級升級風(fēng)險評價與控制 6
1.2.5 站場安全保障技術(shù) 8
1.2.6 管道腐蝕控制 9
1.2.7 儲氣庫安全保障技術(shù) 10
1.2.8 完整性管理信息平臺技術(shù) 12
1.3 管道企業(yè)大數(shù)據(jù)生產(chǎn)需求研究 13
1.3.1 國內(nèi)外技術(shù)應(yīng)用現(xiàn)狀分析 13
1.3.2 生產(chǎn)需求 15
1.3.3 關(guān)鍵技術(shù)問題 17
1.4 大數(shù)據(jù)技術(shù)行業(yè)發(fā)展展望 18
1.4.1 基于大數(shù)據(jù)的長輸管道系統(tǒng)決策支持研究 18
1.4.2 基于大數(shù)據(jù)分析的管道數(shù)據(jù)質(zhì)量分析 19
1.4.3 基于位置大數(shù)據(jù)的第三方破壞預(yù)警技術(shù)研究 19
1.4.4 基于大數(shù)據(jù)的地質(zhì)災(zāi)害洪水預(yù)測的技術(shù) 20
1.4.5 油田集輸管道、城市燃?xì)獯髷?shù)據(jù)的研究 20
1.4.6 管道內(nèi)檢測大數(shù)據(jù)分析模型 20
1.4.7 管道焊縫大數(shù)據(jù)分析 23
1.4.8 管道腐蝕風(fēng)險大數(shù)據(jù)模型-聚類分析模型 23
1.4.9 基于大數(shù)據(jù)的管道應(yīng)急決策與支持 25
參考文獻(xiàn) 26
第2章 大數(shù)據(jù)建模方法 28
2.1 概述 28
2.1.1 管道大數(shù)據(jù)的優(yōu)點 29
2.1.2 研究現(xiàn)狀 29
2.1.3 研究內(nèi)容 31
2.2 理論方法 32
2.2.1 大數(shù)據(jù)管理架構(gòu) 32
2.2.2 相關(guān)性分析理論 33
2.2.3 預(yù)測模型 38
2.3 建立管道大數(shù)據(jù)的可行性分析 40
2.3.1 管道基礎(chǔ)數(shù)據(jù) 41
2.3.2 管道外檢測數(shù)據(jù) 41
2.3.3 管道內(nèi)檢測數(shù)據(jù) 42
2.3.4 管道評價數(shù)據(jù) 44
2.3.5 管道建設(shè)期數(shù)據(jù) 44
2.3.6 大數(shù)據(jù)建模的幾點建議 44
參考文獻(xiàn) 45
第3章 管道系統(tǒng)大數(shù)據(jù)管理架構(gòu)及分析模型 48
3.1 概述 48
3.2 管道系統(tǒng)大數(shù)據(jù)管理架構(gòu) 49
3.2.1 模型目標(biāo) 51
3.2.2 基于業(yè)務(wù)類的管道完整性大數(shù)據(jù)架構(gòu)模型 51
3.2.3 完整性大數(shù)據(jù)架構(gòu)模型的建立 52
3.2.4 輔助決策支持模型 59
3.3 管道系統(tǒng)大數(shù)據(jù)分析模型 73
3.3.1 相似度模型 73
3.3.2 表查詢模型 73
3.3.3 樸素貝葉斯模型 73
3.3.4 回歸模型 74
3.3.5 邏輯回歸分析 74
3.3.6 人工神經(jīng)網(wǎng)絡(luò)和小波變換 74
3.3.7 支持向量機 75
3.3.8 其他大數(shù)據(jù)分析算法 75
3.4 管道系統(tǒng)大數(shù)據(jù)分析模型的應(yīng)用 75
3.4.1 邏輯回歸模型在油氣管道地質(zhì)災(zāi)害中的應(yīng)用 75
3.4.2 SVM模型在管道預(yù)警方面的應(yīng)用 76
3.4.3 聚類分析模型在管道腐蝕分析方面的應(yīng)用 77
3.4.4 大數(shù)據(jù)環(huán)境下的內(nèi)檢測數(shù)據(jù)分析模型 79
3.4.5 內(nèi)檢測數(shù)據(jù)質(zhì)量評估 85
參考文獻(xiàn) 93
第4章 管道缺陷大數(shù)據(jù)相關(guān)性分析 94
4.1 概述 94
4.2 信息理論 95
4.2.1 信息熵 95
4.2.2 互信息 96
4.3 基于互信息理論的相關(guān)分析模型 97
4.4 實例分析 98
參考文獻(xiàn) 101
第5章 基于大數(shù)據(jù)的管道焊縫圖像的缺陷識別分析 102
5.1 管道焊縫圖像處理技術(shù) 102
5.1.1 圖像噪聲分析 102
5.1.2 圖像去噪技術(shù) 103
5.1.3 焊縫圖像對比度增強技術(shù) 105
5.2 焊縫邊緣檢測 107
5.2.1 圖像二值化處理 107
5.2.2 邊緣檢測 109
5.2.3 直線提取和邊界追蹤 110
5.2.4 圖像的數(shù)學(xué)形態(tài)學(xué)處理 110
5.2.5 其他數(shù)學(xué)形態(tài)學(xué)處理 111
5.3 基于多算子融合的管道焊縫圖像邊緣檢測技術(shù) 111
5.3.1 邊緣檢測的基本算法 113
5.3.2 焊縫邊緣檢測方法的計算比較研究 113
5.3.3 基于多算子融合的改進的多結(jié)構(gòu)元素形態(tài)學(xué)處理方法 118
5.4 焊縫缺陷特征提取 121
5.4.1 焊縫缺陷種類和影像特征 121
5.4.2 焊縫缺陷特征參數(shù) 123
5.5 管道焊縫缺陷紋理特征CLTP模式提取技術(shù)研究 124
5.5.1 紋理特征 126
5.5.2 特征算法 127
5.5.3 實驗研究 131
5.6 基于CLTP紋理和形狀特征的管道焊縫缺陷SVM方法研究 134
5.6.1 缺陷形狀特征和紋理特征 134
5.6.2 完全局部三值模式 135
5.6.3 SVM特征分類 135
5.6.4 實驗研究 137
參考文獻(xiàn) 139
第6章 管道缺陷預(yù)測預(yù)警隨機森林模型研究 141
6.1 概述 141
6.2 國內(nèi)外研究現(xiàn)狀 141
6.2.1 管道缺陷預(yù)測模型研究 141
6.2.2 隨機森林模型相關(guān)研究 142
6.2.3 研究現(xiàn)狀 142
6.3 隨機森林算法簡介 143
6.3.1 決策樹 143
6.3.2 隨機森林的定義及基本思想 143
6.3.3 隨機森林的構(gòu)建過程 143
6.3.4 重要參數(shù) 144
6.3.5 幾種實現(xiàn)隨機森林算法的軟件 145
6.4 基于隨機森林算法的管道缺陷預(yù)測方法 145
6.4.1 數(shù)據(jù)采集 145
6.4.2 實驗數(shù)據(jù)預(yù)處理 145
6.4.3 隨機森林算法的實現(xiàn) 148
6.4.4 結(jié)果分析 149
6.5 管道缺陷預(yù)警模型 152
6.5.1 預(yù)警的相關(guān)理論 152
6.5.2 基于隨機森林預(yù)測法的管道缺陷預(yù)警分析 155
6.5.3 基于管道適用性評估模型的管道缺陷預(yù)警分析 155
參考文獻(xiàn) 158
第7章 基于徑向基神經(jīng)網(wǎng)絡(luò)的含缺陷管道安全系數(shù)修正 160
7.1 國內(nèi)外研究現(xiàn)狀 160
7.1.1 完整性評價 160
7.1.2 基于大數(shù)據(jù)的管道數(shù)據(jù)分析研究現(xiàn)狀 160
7.2 含缺陷管道的完整性評價方法與主要參數(shù) 161
7.2.1 管道完整性評價相關(guān)標(biāo)準(zhǔn)與方法 161
7.2.2 管道完整性評價主要參數(shù) 165
7.3 缺陷安全系數(shù)的研究 168
7.3.1 預(yù)測失效壓力值計算 169
7.3.2 基于層次分析法相關(guān)風(fēng)險因素分值計算 169
7.4 基于徑向基神經(jīng)網(wǎng)絡(luò)安全系數(shù)計算模型研究 176
7.4.1 徑向基神經(jīng)網(wǎng)絡(luò) 176
7.4.2 基于徑向基神經(jīng)網(wǎng)絡(luò)的模型 177
參考文獻(xiàn) 181
第8章 基于大數(shù)據(jù)的洪水預(yù)測預(yù)警分析 183
8.1 陜京三線臨縣段管道洪水風(fēng)險評價 183
8.1.1 主要風(fēng)險因子評價 183
8.1.2 管道洪水災(zāi)害風(fēng)險分區(qū)圖 190
8.2 臨縣地區(qū)天氣預(yù)報降雨精度評價 192
8.2.1 降雨數(shù)據(jù)來源 192
8.2.2 降雨預(yù)報精度評價方法 193
8.2.3 降雨預(yù)報精度評價 194
8.2.4 強降雨事件分析 214
8.3 基于降雨量的洪水災(zāi)害風(fēng)險動態(tài)預(yù)報 217
8.3.1 預(yù)報指標(biāo)選取 217
8.3.2 臨界降雨量估計 218
8.3.3 確定性風(fēng)險預(yù)報 223
8.3.4 基于概率的風(fēng)險預(yù)報 225
8.3.5 風(fēng)險集合預(yù)報 229
8.4 臨縣數(shù)字流域模型 231
8.4.1 黃河數(shù)字流域模型 231
8.4.2 數(shù)字流域模型參數(shù)率定 234
8.5 基于流量和水流侵蝕力的洪水風(fēng)險評價 243
8.5.1 基于流量的洪水風(fēng)險評價 243
8.5.2 基于水流侵蝕力的洪水風(fēng)險評價 247
參考文獻(xiàn) 250
第9章 基于大數(shù)據(jù)的全生命周期智能管網(wǎng)解決方案研究 251
9.1 概述 251
9.1.1 國內(nèi)研究進展 251
9.1.2 國外研究進展 253
9.1.3 發(fā)展方向 254
9.2 智能管網(wǎng)系統(tǒng)的特點與制約因素 255
9.2.1 智能管網(wǎng)系統(tǒng)的特點 255
9.2.2 智能管網(wǎng)建設(shè)的制約因素 255
9.3 智能管網(wǎng)解決方案 255
9.3.1 建立管道全生命周期數(shù)據(jù)標(biāo)準(zhǔn) 255
9.3.2 構(gòu)建管道全生命周期數(shù)據(jù)庫 256
9.3.3 全生命周期智能管網(wǎng)設(shè)計 256
9.3.4 搭建基于GIS的全生命周期智能管網(wǎng)平臺 258
9.3.5 施工管理 259
9.3.6 管道運維管理 259
9.4 管道數(shù)據(jù)挖掘與決策支持 261
9.4.1 應(yīng)急決策支持 261
9.4.2 大數(shù)據(jù)決策支持 261
9.4.3 焊縫大數(shù)據(jù)風(fēng)險分析 262
9.4.4 基于物聯(lián)網(wǎng)組網(wǎng)監(jiān)測的災(zāi)害預(yù)警 262
9.4.5 管道泄漏實時監(jiān)測 262
9.4.6 遠(yuǎn)程設(shè)備維護培訓(xùn) 263
9.4.7 遠(yuǎn)程故障隱患可視化巡檢 263
9.4.8 移動應(yīng)用 263
參考文獻(xiàn) 264
第10章 基于位置大數(shù)據(jù)的管道第三方破壞防范技術(shù)研究 265
10.1 概述 265
10.2 位置大數(shù)據(jù)特征提取技術(shù) 266
10.2.1 位置大數(shù)據(jù)的特征 266
10.2.2 條帶區(qū)域個體移動模式特征提取 267
10.3 管道沿線第三方位置大數(shù)據(jù)應(yīng)用的技術(shù)方法 269
10.4 管道第三方防范技術(shù)應(yīng)用案例 271
10.4.1 應(yīng)用步驟 271
10.4.2 結(jié)論 275
參考文獻(xiàn) 276
附錄 數(shù)據(jù)采集表 278
彩圖