耦合物理约束和数据模型改进的成品油管道混油长度预测

摘要

通过分析混油发展过程并提取变量特征，考察各因素对混油长度的影响机制，构建定制网络层融合机制与数据模型，提高混合模型的机制可解释性及非线性关联能力，构造耦合损失函数并基于分级训练策略优化模型参数，提高模型收敛效果和鲁棒性，并利用多条管道小批量历史混油数据进行验证。结果表明：模型预测效果显著优于传统机器学习算法，均方误差降低64%;与现有研究成果相比，准确性和鲁棒性有大幅提升，误差的分布区间及平均值分别降低46%和21%;模型基于现场小批量数据，可对多条具有不同运行特性的管道混油长度进行准确预测，有助于提高站场混油控制智能化水平。

关键词

成品油管道 / 混油长度预测 / 物理约束 / 梯度优化机制 / 深度学习模型