一种天然气管道滑坡累积变形曲线分析和滑坡预测方法技术

本公开提供一种天然气管道滑坡累积变形曲线分析和滑坡预测方法，属于天然气管道地质灾害预测防治领域，包括：获取天然气管道滑坡累积变形监测数据，并对监测数据序列进行预处理和变形曲线趋势分析；建立灰色理论模型GM(1,1)的灰微分方程，得出天然气管道滑坡累积变形监测数据的时间响应序列方程，进行灰色模型GM(1,1)的残差检验；输出灰色模型GM(1,1)预测值，对单一预测模型各点按精度高低顺序赋予权值，求得第n期预测数据误差倒数的平方和达到的极小值，建立基于诱导有序加权调和(IOWHA)算子的动态灰色变形模型，在滑坡累积变形曲线趋势分析的基础上预测天然气管道滑坡的变形，达到可高效的、科学的提高天然气管道滑坡变形的预测精度的效果。道滑坡变形的预测精度的效果。道滑坡变形的预测精度的效果。

【技术实现步骤摘要】
一种天然气管道滑坡累积变形曲线分析和滑坡预测方法


[0001]本专利技术涉及天然气管道地质灾害预测防治领域，具体是一种天然气管道滑坡累积变形曲线分析和滑坡预测方法。

技术介绍

[0002]目前针对天然气管道滑坡累积变形曲线和变形趋势分析预测的方法，已经从根据位移
‑
时间曲线分析管道滑坡变形的各阶段的定性分析发展到采用数学模型的定量智能预测和分析，且智能数学模型也逐渐多起来，如灰色预测模型、时间序列预测模型、遗传算法预测模型、BP神经网络预测模型等。
[0003]但是智能数学模型大都以单一的预测模型为主，存在一定的局限性，且计算过程和步骤繁琐、复杂，并不不能反应天然气管道滑坡的特殊性，所以应用组合预测方法，既可以弥补单一预测模型的局限性，又可以提高预测精度和计算的效率。

技术实现思路

[0004]本公开的目的在于针对现有技术中单一预测模型的局限性，针对灰色预测理论不确定因素比较大等问题，引入诱导有序加权调和(IOWHA)算子，建立基于诱导有序加权调和(IOWHA)算子的动态灰色时间序列天然气管道滑坡变形组合预测模型，有效的提高天然气管道滑坡变形的预测精度，为天然气管道滑坡变形预测和灾害防治提供技术支撑。
[0005]为了实现上述目的，本公开是通过如下的技术方案来实现：天然气管道滑坡累积变形曲线分析和滑坡预测方法，主要包括以下步骤：
[0006]步骤一：获取天然气管道滑坡变形监测数据，并对监测数据序列进行预处理和累积变形曲线分析；
[0007]步骤二：建立灰色理论模型GM(1,1)的灰微分方程，得出天然气管道滑坡变形监测数据的时间响应序列方程，进行灰色模型GM(1,1)的残差检验；
[0008]步骤三：输出灰色模型GM(1,1)预测值，引入诱导有序加权调和(IOWHA)算子，对单一预测模型各点按精度高低顺序赋予权值；
[0009]步骤四：求得第n期预测数据误差倒数的平方和达到的极小值，建立基于诱导有序加权调和(IOWHA)算子的动态灰色变形模型，预测天然气管道滑坡的变形；
[0010]优选地，所述的步骤一中通过布设天然气管道滑坡表层变形监测传感器，获取变形监测得来的一系列随机原始数据；
[0011]优选地，所述的监测的天然气管道滑坡变形数据序列进行预处理按照公式(1)和(2)进行，具体按照如下方法实施：
[0012]假设天然气管道滑坡变形监测的数据原始序列为：
[0013]X
(0)
＝{x
(0)
(1),x
(0)
(2),...,x
(0)
(n)}
ꢀꢀꢀ
(1)
[0014]将公式1采用累加生成，对监测数据的序列进行预处理后可得出：
[0015]X
(1)
＝{x
(1)
(1),x
(1)
(2),...,x
(1)
(n)}
ꢀꢀꢀ
(2)
[0016]上式中，x(0)为天然气管道滑坡变形监测的原始数值，x(1)为做一次累加后生成的数据序列；
[0017]优选地，所述步骤二具体如下：首先针对天然气管道滑坡变形原始数据预处理后生成的灰数序列，建立单一的灰色理论模型GM(1,1)的灰色微分方程；然后将灰微分方程白化，得出色微分方程的时间响应序列方程；进一步把灰色理论模型预测值和天然气管道滑坡变形的现场实际监测值进行一对一的残差检验，具体的实施如下：
[0018]将Z(1)假设为预处理后X(1)生成的灰数序列：
[0019][0020]上式中：k为自然数1，2，3
……
[0021]根据天然气管道滑坡变形监测数据预处理后的灰数序列，建立单一的灰色理论模型GM(1,1)的灰色微分方程：
[0022]x
(0)
(k)+az
(1)
(k)＝b
ꢀꢀꢀ
(4)
[0023]上式中：a为天然气管道滑坡变形监测灰色预测模型的发展系数，b为其作用应变量。
[0024]将灰微分方程白化，由于并令x
(1)
(0)＝x
(0)
(1)，即可得到天然气管道滑坡变形预测的灰色微分方程的时间响应序列方程：
[0025][0026]将天然气管道滑坡变形的灰色理论模型预测值和现场实际监测值的差进行一对一的残差检验，计算出管道滑坡变形监测原始数据x
(0)
(i)与的绝对残差:
[0027][0028]优选地，所述步骤三具体如下：通过对天然气管道滑坡变形的灰色理论GM(1,1)模型预测，引入诱导有序加权调和(IOWHA)算子，把单一灰色理论GM(1,1)模型各点按照精度顺序赋予权值，具体的实施如下：
[0029]某时刻，基于IOWHA算子的组合模型的天然气管道滑坡变形预测为：
[0030][0031]上式中，xit(i＝1,2)是第i种预测模型，Pit表示第i种预测模型在第t时刻时的预测精度值，p
‑
index(it)为单一预测方法的预测精度较大的值的下标。
[0032]在t时刻，预测精度较高的方法赋予较大权系数。假设
[0033]e
a
‑
index(it)
＝1/x
t
‑
1/x
p
‑
index(it)
ꢀꢀꢀ
(8)
[0034]上式中，a为噪声序列；
[0035]优选地，所述的步骤四具体实施如下：
[0036]根据IOWHA组合预测理论，求得天然气管道滑坡变形第n期预测数据误差倒数的平方和的极小值：
[0037][0038]上式中x^t为t时刻的加权调和平均值，l＝(l1,l2)T为组合预测加权系数；
[0039]建立基于诱导有序加权调和(IOWHA)算子的动态灰色时间序列油气管道滑坡变形预测模型为：
[0040][0041]根据上式建立的预测模型，根据监测得到的天然气管道滑坡变形数据，预测滑坡的变形。
[0042]综上所述，本专利技术的有益技术效果为：
[0043]针对单一灰色模型GM(1,1)预测方法的很难同时考虑到天然气管道滑坡的地质复杂性和灾害发生的高后果性，引入诱导有序加权调和(IOWHA)算子，将单一方法的滑坡预测值，以加权平均的方式组合，建立IOWHA组合预测模型，可实现天然气管道滑坡变形的动态预测，可有效的、高效的、科学的提高天然气管道滑坡变形的预测精度。
附图说明
[0044]图1式本公开实施例提供的天然气管道滑坡变形组合预测方法流程图；
[0045]图2是本公开的具体实施中单一预测模型、组合预测模型和实际监测值的对比图；
[0046]图3是本公开的具体实施例中的误差过程图。
具体实施方式
[0047]下面将结合附图，对本公开本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种天然气管道滑坡累积变形曲线分析和滑坡预测方法，其特征在于：包括以下步骤：步骤一：获取天然气管道滑坡累积变形监测数据，并对监测数据序列进行预处理和变形曲线趋势分析；步骤二：建立灰色理论模型GM(1,1)的灰微分方程，得出天然气管道滑坡变形监测数据的时间响应序列方程，进行灰色模型GM(1,1)的残差检验；步骤三：输出灰色模型GM(1,1)预测值，引入诱导有序加权调和(IOWHA)算子，对单一预测模型各点按精度高低顺序赋予权值；步骤四：求得第n期预测数据误差倒数的平方和达到的极小值，建立基于诱导有序加权调和(IOWHA)算子的动态灰色变形模型，在滑坡累积变形曲线趋势分析的基础上预测天然气管道滑坡的变形。2.如权利要求1所述的一种天然气管道滑坡累积变形曲线分析和滑坡预测方法，其特征在于：所述步骤一需通过布设天然气管道滑坡表层变形监测传感器中获取变形监测得来的一系列随机原始数据，按照公式(1)和(2)对监测的天然气管道滑坡变形数据序列进行预处理和变形曲线趋势分析，具体按照如下方法实施：假设天然气管道滑坡变形监测的数据原始序列为：X
(0)
＝{x
(0)
(1),x
(0)
(2),...,x
(0)
(n)} (1)将公式1采用累加生成，对监测数据的序列进行预处理后可得出：X
(1)
＝{x
(1)
(1),x
(1)
(2),...,x
(1)
(n)} (2)上式中，x
(0)
为天然气管道滑坡变形监测的原始数值，x
(1)
为做一次累加后生成的数据序列。3.如权利要求1所述的一种天然气管道滑坡累积变形曲线分析和滑坡预测方法，其特征在于：所述步骤二的具体流程为首先针对天然气管道滑坡变形原始数据预处理后生成的灰数序列，建立单一的灰色理论模型GM(1,1)的灰色微分方程；然后将灰微分方程白化，得出色微分方程的时间响应序列方程；进一步把灰色理论模型预测值和天然气管道滑坡变形的现场实际监测值进行一对一的残差检验，具体的实施如下：将Z
(1)
假设为预处理后X
(1)
生成的灰数序列：上式中：k为自然...

【专利技术属性】
技术研发人员：毛建，姜永涛，修林冉，王耀忠，郭磊，井岗，吴明畅，沈飞军，
申请(专利权)人：国家石油天然气管网集团有限公司，
类型：发明
国别省市：