管道大数据决策支持技术

目录 从书序 前言 第1章 管道大数据发展趋势及展望 1 1.1 管道完整性管理发展概况 1 1.1.1 国外研究进展 1 1.1.2 国内研究进展 2 1.2 管道完整性管理技术进展 3 1.2.1 管道完整性评估理论体系 3 1.2.2 管道三轴高清漏磁内检测系列装置 4 1.2.3 多通道高精度变形检测装置和管道应变监测系统 6 1.2.4 管道地区等级升级风险评价与控制 6 1.2.5 站场安全保障技术 8 1.2.6 管道腐蚀控制 9 1.2.7 储气库安全保障技术 10 1.2.8 完整性管理信息平台技术 12 1.3 管道企业大数据生产需求研究 13 1.3.1 国内外技术应用现状分析 13 1.3.2 生产需求 15 1.3.3 关键技术问题 17 1.4 大数据技术行业发展展望 18 1.4.1 基于大数据的长输管道系统决策支持研究 18 1.4.2 基于大数据分析的管道数据质量分析 19 1.4.3 基于位置大数据的第三方破坏预警技术研究 19 1.4.4 基于大数据的地质灾害洪水预测的技术 20 1.4.5 油田集输管道、城市燃气大数据的研究 20 1.4.6 管道内检测大数据分析模型 20 1.4.7 管道焊缝大数据分析 23 1.4.8 管道腐蚀风险大数据模型-聚类分析模型 23 1.4.9 基于大数据的管道应急决策与支持 25 参考文献 26 第2章 大数据建模方法 28 2.1 概述 28 2.1.1 管道大数据的优点 29 2.1.2 研究现状 29 2.1.3 研究内容 31 2.2 理论方法 32 2.2.1 大数据管理架构 32 2.2.2 相关性分析理论 33 2.2.3 预测模型 38 2.3 建立管道大数据的可行性分析 40 2.3.1 管道基础数据 41 2.3.2 管道外检测数据 41 2.3.3 管道内检测数据 42 2.3.4 管道评价数据 44 2.3.5 管道建设期数据 44 2.3.6 大数据建模的几点建议 44 参考文献 45 第3章 管道系统大数据管理架构及分析模型 48 3.1 概述 48 3.2 管道系统大数据管理架构 49 3.2.1 模型目标 51 3.2.2 基于业务类的管道完整性大数据架构模型 51 3.2.3 完整性大数据架构模型的建立 52 3.2.4 辅助决策支持模型 59 3.3 管道系统大数据分析模型 73 3.3.1 相似度模型 73 3.3.2 表查询模型 73 3.3.3 朴素贝叶斯模型 73 3.3.4 回归模型 74 3.3.5 逻辑回归分析 74 3.3.6 人工神经网络和小波变换 74 3.3.7 支持向量机 75 3.3.8 其他大数据分析算法 75 3.4 管道系统大数据分析模型的应用 75 3.4.1 逻辑回归模型在油气管道地质灾害中的应用 75 3.4.2 SVM模型在管道预警方面的应用 76 3.4.3 聚类分析模型在管道腐蚀分析方面的应用 77 3.4.4 大数据环境下的内检测数据分析模型 79 3.4.5 内检测数据质量评估 85 参考文献 93 第4章 管道缺陷大数据相关性分析 94 4.1 概述 94 4.2 信息理论 95 4.2.1 信息熵 95 4.2.2 互信息 96 4.3 基于互信息理论的相关分析模型 97 4.4 实例分析 98 参考文献 101 第5章 基于大数据的管道焊缝图像的缺陷识别分析 102 5.1 管道焊缝图像处理技术 102 5.1.1 图像噪声分析 102 5.1.2 图像去噪技术 103 5.1.3 焊缝图像对比度增强技术 105 5.2 焊缝边缘检测 107 5.2.1 图像二值化处理 107 5.2.2 边缘检测 109 5.2.3 直线提取和边界追踪 110 5.2.4 图像的数学形态学处理 110 5.2.5 其他数学形态学处理 111 5.3 基于多算子融合的管道焊缝图像边缘检测技术 111 5.3.1 边缘检测的基本算法 113 5.3.2 焊缝边缘检测方法的计算比较研究 113 5.3.3 基于多算子融合的改进的多结构元素形态学处理方法 118 5.4 焊缝缺陷特征提取 121 5.4.1 焊缝缺陷种类和影像特征 121 5.4.2 焊缝缺陷特征参数 123 5.5 管道焊缝缺陷纹理特征CLTP模式提取技术研究 124 5.5.1 纹理特征 126 5.5.2 特征算法 127 5.5.3 实验研究 131 5.6 基于CLTP纹理和形状特征的管道焊缝缺陷SVM方法研究 134 5.6.1 缺陷形状特征和纹理特征 134 5.6.2 完全局部三值模式 135 5.6.3 SVM特征分类 135 5.6.4 实验研究 137 参考文献 139 第6章 管道缺陷预测预警随机森林模型研究 141 6.1 概述 141 6.2 国内外研究现状 141 6.2.1 管道缺陷预测模型研究 141 6.2.2 随机森林模型相关研究 142 6.2.3 研究现状 142 6.3 随机森林算法简介 143 6.3.1 决策树 143 6.3.2 随机森林的定义及基本思想 143 6.3.3 随机森林的构建过程 143 6.3.4 重要参数 144 6.3.5 几种实现随机森林算法的软件 145 6.4 基于随机森林算法的管道缺陷预测方法 145 6.4.1 数据采集 145 6.4.2 实验数据预处理 145 6.4.3 随机森林算法的实现 148 6.4.4 结果分析 149 6.5 管道缺陷预警模型 152 6.5.1 预警的相关理论 152 6.5.2 基于随机森林预测法的管道缺陷预警分析 155 6.5.3 基于管道适用性评估模型的管道缺陷预警分析 155 参考文献 158 第7章 基于径向基神经网络的含缺陷管道安全系数修正 160 7.1 国内外研究现状 160 7.1.1 完整性评价 160 7.1.2 基于大数据的管道数据分析研究现状 160 7.2 含缺陷管道的完整性评价方法与主要参数 161 7.2.1 管道完整性评价相关标准与方法 161 7.2.2 管道完整性评价主要参数 165 7.3 缺陷安全系数的研究 168 7.3.1 预测失效压力值计算 169 7.3.2 基于层次分析法相关风险因素分值计算 169 7.4 基于径向基神经网络安全系数计算模型研究 176 7.4.1 径向基神经网络 176 7.4.2 基于径向基神经网络的模型 177 参考文献 181 第8章 基于大数据的洪水预测预警分析 183 8.1 陕京三线临县段管道洪水风险评价 183 8.1.1 主要风险因子评价 183 8.1.2 管道洪水灾害风险分区图 190 8.2 临县地区天气预报降雨精度评价 192 8.2.1 降雨数据来源 192 8.2.2 降雨预报精度评价方法 193 8.2.3 降雨预报精度评价 194 8.2.4 强降雨事件分析 214 8.3 基于降雨量的洪水灾害风险动态预报 217 8.3.1 预报指标选取 217 8.3.2 临界降雨量估计 218 8.3.3 确定性风险预报 223 8.3.4 基于概率的风险预报 225 8.3.5 风险集合预报 229 8.4 临县数字流域模型 231 8.4.1 黄河数字流域模型 231 8.4.2 数字流域模型参数率定 234 8.5 基于流量和水流侵蚀力的洪水风险评价 243 8.5.1 基于流量的洪水风险评价 243 8.5.2 基于水流侵蚀力的洪水风险评价 247 参考文献 250 第9章 基于大数据的全生命周期智能管网解决方案研究 251 9.1 概述 251 9.1.1 国内研究进展 251 9.1.2 国外研究进展 253 9.1.3 发展方向 254 9.2 智能管网系统的特点与制约因素 255 9.2.1 智能管网系统的特点 255 9.2.2 智能管网建设的制约因素 255 9.3 智能管网解决方案 255 9.3.1 建立管道全生命周期数据标准 255 9.3.2 构建管道全生命周期数据库 256 9.3.3 全生命周期智能管网设计 256 9.3.4 搭建基于GIS的全生命周期智能管网平台 258 9.3.5 施工管理 259 9.3.6 管道运维管理 259 9.4 管道数据挖掘与决策支持 261 9.4.1 应急决策支持 261 9.4.2 大数据决策支持 261 9.4.3 焊缝大数据风险分析 262 9.4.4 基于物联网组网监测的灾害预警 262 9.4.5 管道泄漏实时监测 262 9.4.6 远程设备维护培训 263 9.4.7 远程故障隐患可视化巡检 263 9.4.8 移动应用 263 参考文献 264 第10章 基于位置大数据的管道第三方破坏防范技术研究 265 10.1 概述 265 10.2 位置大数据特征提取技术 266 10.2.1 位置大数据的特征 266 10.2.2 条带区域个体移动模式特征提取 267 10.3 管道沿线第三方位置大数据应用的技术方法 269 10.4 管道第三方防范技术应用案例 271 10.4.1 应用步骤 271 10.4.2 结论 275 参考文献 276 附录 数据采集表 278 彩图