天然ガスパイプラインの地中溶接溝品質状態診断は、主に人手による地中溶接溝データの分析による段階的な発掘検証方法に依存しており、この方法は運用コストが高いだけでなく、精度と効率が低く、パイプの安全で効率的な運用の要求を満たすことができません。天然ガスパイプラインパイプ溶接溝品質を予測するために、効率的なインテリジェントな品質診断方法を使用して、目標的な発掘再検査を行うことは、溶接パイプセグメントの運用安全保全に重要な工学的意義を持っています。したがって、天然ガスパイプラインの地中溶接溝の迅速な診断と予測のために、人工知能手法が構築されました。モデルの計算効率を向上させるために、分散選択法と相関係数グラフを使用して、パイプセグメントの長さ、ユニット、結合形態、ステーション間などを含む15の主要特徴を選択しました。ランダムフォレスト手法を用いて、天然ガスパイプライン地中溶接溝品質インテリジェント診断モデルを構築し、ベイズ最適化器を使用してパラメーターを最適化しました。未訓練のエンジニアリングデータを使用してモデルを検証し、サポートベクターマシン、意思決定木およびK-最近傍アルゴリズムとの性能を比較しました。結果は、ランダムフォレストモデルを使用して地中溶接溝エンジニアリングデータの品質診断に精度が高く、パイプセグメントの発掘検索作業に理論的な指導を提供できることを示しています。

天然ガスパイプライン; 溶接溝品質; インテリジェント診断方法; 多元異種データ; ランダムフォレスト; ベイズ最適化