目錄 從書序 前言 第1章 管道大數據發(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 國內研究進展 2 1.2 管道完整性管理技術進展 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變監(jiān)測系統(tǒng) 6 1.2.4 管道地區(qū)等級升級風險評價與控制 6 1.2.5 站場安全保障技術 8 1.2.6 管道腐蝕控制 9 1.2.7 儲氣庫安全保障技術 10 1.2.8 完整性管理信息平臺技術 12 1.3 管道企業(yè)大數據生產需求研究 13 1.3.1 國內外技術應用現(xiàn)狀分析 13 1.3.2 生產需求 15 1.3.3 關鍵技術問題 17 1.4 大數據技術行業(yè)發(fā)展展望 18 1.4.1 基于大數據的長輸管道系統(tǒng)決策支持研究 18 1.4.2 基于大數據分析的管道數據質量分析 19 1.4.3 基于位置大數據的第三方破壞預警技術研究 19 1.4.4 基于大數據的地質災害洪水預測的技術 20 1.4.5 油田集輸管道、城市燃氣大數據的研究 20 1.4.6 管道內檢測大數據分析模型 20 1.4.7 管道焊縫大數據分析 23 1.4.8 管道腐蝕風險大數據模型-聚類分析模型 23 1.4.9 基于大數據的管道應急決策與支持 25 參考文獻 26 第2章 大數據建模方法 28 2.1 概述 28 2.1.1 管道大數據的優(yōu)點 29 2.1.2 研究現(xiàn)狀 29 2.1.3 研究內容 31 2.2 理論方法 32 2.2.1 大數據管理架構 32 2.2.2 相關性分析理論 33 2.2.3 預測模型 38 2.3 建立管道大數據的可行性分析 40 2.3.1 管道基礎數據 41 2.3.2 管道外檢測數據 41 2.3.3 管道內檢測數據 42 2.3.4 管道評價數據 44 2.3.5 管道建設期數據 44 2.3.6 大數據建模的幾點建議 44 參考文獻 45 第3章 管道系統(tǒng)大數據管理架構及分析模型 48 3.1 概述 48 3.2 管道系統(tǒng)大數據管理架構 49 3.2.1 模型目標 51 3.2.2 基于業(yè)務類的管道完整性大數據架構模型 51 3.2.3 完整性大數據架構模型的建立 52 3.2.4 輔助決策支持模型 59 3.3 管道系統(tǒng)大數據分析模型 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 人工神經網絡和小波變換 74 3.3.7 支持向量機 75 3.3.8 其他大數據分析算法 75 3.4 管道系統(tǒng)大數據分析模型的應用 75 3.4.1 邏輯回歸模型在油氣管道地質災害中的應用 75 3.4.2 SVM模型在管道預警方面的應用 76 3.4.3 聚類分析模型在管道腐蝕分析方面的應用 77 3.4.4 大數據環(huán)境下的內檢測數據分析模型 79 3.4.5 內檢測數據質量評估 85 參考文獻 93 第4章 管道缺陷大數據相關性分析 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分析模型 97 4.4 實例分析 98 參考文獻 101 第5章 基于大數據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 102 5.1.1 圖像噪聲分析 102 5.1.2 圖像去噪技術 103 5.1.3 焊縫圖像對比度增強技術 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 圖像的數學形態(tài)學處理 110 5.2.5 其他數學形態(tài)學處理 111 5.3 基于多算子融合的管道焊縫圖像邊緣檢測技術 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構元素形態(tài)學處理方法 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 123 5.5 管道焊縫缺陷紋理特征CLTP模式提取技術研究 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 139 第6章 管道缺陷預測預警隨機森林模型研究 141 6.1 概述 141 6.2 國內外研究現(xiàn)狀 141 6.2.1 管道缺陷預測模型研究 141 6.2.2 隨機森林模型相關研究 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 隨機森林的構建過程 143 6.3.4 重要參數 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測方法 145 6.4.1 數據采集 145 6.4.2 實驗數據預處理 145 6.4.3 隨機森林算法的實現(xiàn) 148 6.4.4 結果分析 149 6.5 管道缺陷預警模型 152 6.5.1 預警的相關理論 152 6.5.2 基于隨機森林預測法的管道缺陷預警分析 155 6.5.3 基于管道適用性評估模型的管道缺陷預警分析 155 參考文獻 158 第7章 基于徑向基神經網絡的含缺陷管道安全系數修正 160 7.1 國內外研究現(xiàn)狀 160 7.1.1 完整性評價 160 7.1.2 基于大數據的管道數據分析研究現(xiàn)狀 160 7.2 含缺陷管道的完整性評價方法與主要參數 161 7.2.1 管道完整性評價相關標準與方法 161 7.2.2 管道完整性評價主要參數 165 7.3 缺陷安全系數的研究 168 7.3.1 預測失效壓力值計算 169 7.3.2 基于層次分析法相關風險因素分值計算 169 7.4 基于徑向基神經網絡安全系數計算模型研究 176 7.4.1 徑向基神經網絡 176 7.4.2 基于徑向基神經網絡的模型 177 參考文獻 181 第8章 基于大數據的洪水預測預警分析 183 8.1 陜京三線臨縣段管道洪水風險評價 183 8.1.1 主要風險因子評價 183 8.1.2 管道洪水災害風險分區(qū)圖 190 8.2 臨縣地區(qū)天氣預報降雨精度評價 192 8.2.1 降雨數據來源 192 8.2.2 降雨預報精度評價方法 193 8.2.3 降雨預報精度評價 194 8.2.4 強降雨事件分析 214 8.3 基于降雨量的洪水災害風險動態(tài)預報 217 8.3.1 預報指標選取 217 8.3.2 臨界降雨量估計 218 8.3.3 確定性風險預報 223 8.3.4 基于概率的風險預報 225 8.3.5 風險集合預報 229 8.4 臨縣數字流域模型 231 8.4.1 黃河數字流域模型 231 8.4.2 數字流域模型參數率定 234 8.5 基于流量和水流侵蝕力的洪水風險評價 243 8.5.1 基于流量的洪水風險評價 243 8.5.2 基于水流侵蝕力的洪水風險評價 247 參考文獻 250 第9章 基于大數據的全生命周期智能管網解決方案研究 251 9.1 概述 251 9.1.1 國內研究進展 251 9.1.2 國外研究進展 253 9.1.3 發(fā)展方向 254 9.2 智能管網系統(tǒng)的特點與制約因素 255 9.2.1 智能管網系統(tǒng)的特點 255 9.2.2 智能管網建設的制約因素 255 9.3 智能管網解決方案 255 9.3.1 建立管道全生命周期數據標準 255 9.3.2 構建管道全生命周期數據庫 256 9.3.3 全生命周期智能管網設計 256 9.3.4 搭建基于GIS的全生命周期智能管網平臺 258 9.3.5 施工管理 259 9.3.6 管道運維管理 259 9.4 管道數據挖掘與決策支持 261 9.4.1 應急決策支持 261 9.4.2 大數據決策支持 261 9.4.3 焊縫大數據風險分析 262 9.4.4 基于物聯(lián)網組網監(jiān)測的災害預警 262 9.4.5 管道泄漏實時監(jiān)測 262 9.4.6 遠程設備維護培訓 263 9.4.7 遠程故障隱患可視化巡檢 263 9.4.8 移動應用 263 參考文獻 264 第10章 基于位置大數據的管道第三方破壞防范技術研究 265 10.1 概述 265 10.2 位置大數據特征提取技術 266 10.2.1 位置大數據的特征 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據應用的技術方法 269 10.4 管道第三方防范技術應用案例 271 10.4.1 應用步驟 271 10.4.2 結論 275 參考文獻 276 附錄 數據采集表 278 彩圖