【技术实现步骤摘要】
本专利技术涉及原油管道流动特性分析领域，特别是关于一种原油管道流动特性挖掘方法、系统、处理设备及存储介质。
技术介绍
1、在石油工业中，原油管道的流动特性对提高输油效率和确保安全运行具有重要意义。原油在管道内的流动受到多种因素的影响，如流变特性、管道结构和运行环境等。传统上，这些特性通过复杂的实验和数学模型进行表征，例如宾汉姆模型和herschel-bulkley模型。然而，传统的方法依赖大量的实验数据和复杂的数学计算，耗费大量时间和人力资源。传统的流动特性分析方法主要包括实验方法和数值模拟方法。实验方法需要进行大量实验，通过收集实验数据来建立流变特性模型。这不仅费时费力，而且当实验条件变化时，模型需要重新调整。另一方面，数值模拟方法利用计算流体力学(cfd)方式，通过对流体运动方程的数值求解来模拟原油在管道内的流动情况。然而，这种方法通常需要高性能计算资源，计算过程复杂且时间较长。
2、随着大数据和人工智能的发展，基于数据驱动的方法逐渐受到关注。这些方法利用机器学习和数据挖掘方法，从大量的实验数据和监测数据中自动提取特征并建立模型。尽管这些方法提高了计算效率，但仍存在一些问题。例如，数据驱动模型往往是“黑箱”模型，缺乏对物理过程的深入理解和解释能力，这使得模型的可靠性和可解释性受到质疑。为解决这些问题，研究人员提出了符号回归方法。符号回归是一种基于进化算法的建模方法，通过搜索数学表达式空间，找到最能解释数据的数学模型。符号回归方法能够生成具有明确物理意义的模型，从而提高模型的可解释性。然而，符号回归对输入数据的噪声
3、综上所述，传统方法在原油管道流动特性分析中面临的挑战包括时间和资源消耗、计算复杂性和“黑箱”问题，在准确性、实时性和多因素耦合分析方面存在不足。
技术实现思路
1、针对上述问题，本专利技术的目的是提供一种能够解决准确性、实时性和多因素耦合分析方面不足的原油管道流动特性挖掘方法、系统、处理设备及存储介质。
2、为实现上述目的，本专利技术采取以下技术方案：第一方面，提供一种原油管道流动特性挖掘方法，包括：
3、基于预先构建的基本符号库，结合大语言模型和符号回归方法，建立待测原油管道的管输原油流动特性表征模型的候选集；
4、基于表征模型质量的评分标准，对管输原油流动特性表征模型的候选集进行评分，并基于评分结果，优化和迭代管输原油流动特性表征模型的结构，得到待测原油管道最优的管输原油流动特性表征模型。
5、进一步地，所述基本符号库的构建过程为：
6、对流变学模型进行分析，提取出物理量、符号以及算术运算符；
7、将提取出的物理量和符号整合形成基本符号库。
8、进一步地，所述基于预先构建的基本符号库，结合大语言模型和符号回归方法，建立待测原油管道的管输原油流动特性表征模型的候选集，包括：
9、通过面向常数项的稀疏符号回归，随机生成带有常数项的管输原油流动特性表征方程原型；
10、采用大语言模型对随机生成的管输原油流动特性表征方程原型进行拟合和优化，生成待测原油管道初始的管输原油流动特性表征方程；
11、基于初始的管输原油流动特性表征方程，得到符合物理规律和目标要求的待测原油管道的管输原油流动特性表征模型的候选集。
12、进一步地，所述通过面向常数项的稀疏符号回归，随机生成带有常数项的管输原油流动特性表征方程原型，包括：
13、确定符号回归表达式；
14、采用pdes或odes控制方程，优化符号回归表达式的常数项，形成带有常数项的管输原油流动特性表征方程原型。
15、进一步地，所述采用大语言模型对随机生成的管输原油流动特性表征方程原型进行拟合和优化，生成待测原油管道初始的管输原油流动特性表征方程，包括：
16、采用提示词，引导大语言模型根据构建的基本符号库和问题描述随机生成管输原油流动特性表征方程原型；
17、引入若干文本知识和现场实测数据，对大语言模型进行训练，得到训练好的大语言模型；
18、将随机生成的管输原油流动特性表征方程原型输入至训练好的大语言模型中，并基于预先建立的约束条件，筛选生成待测原油管道初始的管输原油流动特性表征方程。
19、进一步地，所述基于表征模型质量的评分标准，对管输原油流动特性表征模型的候选集进行评分，并基于评分结果，优化和迭代管输原油流动特性表征模型的结构，得到待测原油管道最优的管输原油流动特性表征模型，包括：
20、基于预先定义的评分标准，对管输原油流动特性表征模型的候选集中的每一管输原油流动特性表征方程均进行评分，得到对应的评分结果；
21、基于评分结果，优化和迭代管输原油流动特性表征模型的结构，得到最优的管输原油流动特性表征模型，其中，评分结果作为优化和迭代的损失函数。
22、进一步地，所述评分标准为：
23、
24、其中，s是模型质量的综合评价指标；是归一化因子；n是回归所得模型具备的总参数个数；nrmse是归一化均方根误差；m是方程项数；ζ1是惩罚系数；是第i个输入数据点对应的输出；是方程的输出结果，xi是第i个输入数据点。
25、第二方面，提供一种原油管道流动特性挖掘系统，包括：
26、候选集建立模块，用于基于预先构建的基本符号库，结合大语言模型和符号回归方法，建立待测原油管道的管输原油流动特性表征模型的候选集；
27、评分模块，用于基于表征模型质量的评分标准，对管输原油流动特性表征模型的候选集进行评分，并基于评分结果，优化和迭代管输原油流动特性表征模型的结构，得到待测原油管道最优的管输原油流动特性表征模型。
28、第三方面，提供一种处理设备，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现上述原油管道流动特性挖掘方法对应的步骤。
29、第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述原油管道流动特性挖掘方法对应的步骤。
30、本专利技术由于采取以上技术方案，其具有以下优点：
31、1、构建高精度、高实时性的模型：本专利技术通过融合原油流动特性、管道结构参数和运行环境等多源信息，构建出能够准确反映原油管道流动特性的表征模型，从而为原油管道的安全高效运输提供科学决策支持。
32、2、降低成本：通过结合大语言模型和符号回归方法，快速、准确地提取流动特性模型，大幅减少了实验数据和模型构建的时间和成本。
33、3、创新应用大语言模型(llm)：本专利技术利用大语言模型的强大生成和推理能力，将原油的流动、传热等复杂物理过程与符号回归算法相结合，生成具有物理意义的数学模型，确保模型的物理合理性和可解释性，帮助深入本文档来自技高网...
【技术保护点】
1.一种原油管道流动特性挖掘方法，其特征在于，包括：
2.如权利要求1所述的一种原油管道流动特性挖掘方法，其特征在于，所述基本符号库的构建过程为：
3.如权利要求1所述的一种原油管道流动特性挖掘方法，其特征在于，所述基于预先构建的基本符号库，结合大语言模型和符号回归方法，建立待测原油管道的管输原油流动特性表征模型的候选集，包括：
4.如权利要求3所述的一种原油管道流动特性挖掘方法，其特征在于，所述通过面向常数项的稀疏符号回归，随机生成带有常数项的管输原油流动特性表征方程原型，包括：
5.如权利要求3所述的一种原油管道流动特性挖掘方法，其特征在于，所述采用大语言模型对随机生成的管输原油流动特性表征方程原型进行拟合和优化，生成待测原油管道初始的管输原油流动特性表征方程，包括：
6.如权利要求1所述的一种原油管道流动特性挖掘方法，其特征在于，所述基于表征模型质量的评分标准，对管输原油流动特性表征模型的候选集进行评分，并基于评分结果，优化和迭代管输原油流动特性表征模型的结构，得到待测原油管道最优的管输原油流动特性表征模型，包括：
7.如权利要求6所述的一种原油管道流动特性挖掘方法，其特征在于，所述评分标准为：
8.一种原油管道流动特性挖掘系统，其特征在于，包括：
9.一种处理设备，其特征在于，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现权利要求1-7中任一项所述的原油管道流动特性挖掘方法对应的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现权利要求1-7中任一项所述的原油管道流动特性挖掘方法对应的步骤。
...【技术特征摘要】
1.一种原油管道流动特性挖掘方法，其特征在于，包括：
2.如权利要求1所述的一种原油管道流动特性挖掘方法，其特征在于，所述基本符号库的构建过程为：
3.如权利要求1所述的一种原油管道流动特性挖掘方法，其特征在于，所述基于预先构建的基本符号库，结合大语言模型和符号回归方法，建立待测原油管道的管输原油流动特性表征模型的候选集，包括：
4.如权利要求3所述的一种原油管道流动特性挖掘方法，其特征在于，所述通过面向常数项的稀疏符号回归，随机生成带有常数项的管输原油流动特性表征方程原型，包括：
5.如权利要求3所述的一种原油管道流动特性挖掘方法，其特征在于，所述采用大语言模型对随机生成的管输原油流动特性表征方程原型进行拟合和优化，生成待测原油管道初始的管输原油流动特性表征方程，包括：
6.如权利要求1所述的一种原油...
【专利技术属性】
技术研发人员：苏怀，何宇轩，覃小东，梁馨月，张劲军，杨兆铭，谢意蔚，李鸿英，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。