CN111666684A - 输送管道的环焊缝风险预估方法、装置及可读存储介质 - Google Patents

输送管道的环焊缝风险预估方法、装置及可读存储介质 Download PDF

Info

Publication number
CN111666684A
CN111666684A CN202010505385.2A CN202010505385A CN111666684A CN 111666684 A CN111666684 A CN 111666684A CN 202010505385 A CN202010505385 A CN 202010505385A CN 111666684 A CN111666684 A CN 111666684A
Authority
CN
China
Prior art keywords
risk
index
value
weight
consistency
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010505385.2A
Other languages
English (en)
Other versions
CN111666684B (zh
Inventor
赖少川
谢成
姜红涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
China Oil and Gas Pipeline Network Corp
Original Assignee
Sinopec Sales Co Ltd South China Branch
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sinopec Sales Co Ltd South China Branch filed Critical Sinopec Sales Co Ltd South China Branch
Priority to CN202010505385.2A priority Critical patent/CN111666684B/zh
Publication of CN111666684A publication Critical patent/CN111666684A/zh
Application granted granted Critical
Publication of CN111666684B publication Critical patent/CN111666684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种输送管道的环焊缝风险预估方法、装置及计算机可读存储介质。其中，方法包括基于城市建筑群输送管道的基础参数数据确定输送管道的环焊缝对应的风险预估模型；风险预估模型包括风险等级信息和各风险等级对应的分值范围、评价环焊缝风险的指标集和各指标的打分范围；基于风险预估模型，根据管道内检测数据和基础参数数据自动计算环焊缝各指标的风险权重值和分数值；当利用一致性校验关系式校验各风险权重值的赋值满足条件，基于风险权重值和分数值利用环焊缝风险关联关系式确定各指标与环焊缝风险等级关联度以得到环焊缝的风险预估信息，有效降低环焊缝风险预估过程受人为主观因素影响程度，提高输送管道的环焊缝风险预估的准确度。

Description

输送管道的环焊缝风险预估方法、装置及可读存储介质
技术领域
本申请涉及输送管道安全监测技术领域，特别是涉及一种输送管道的环焊缝风险预估方法、装置及计算机可读存储介质。
背景技术
经过调研发现，近年来油气管道泄漏、开裂事故多是由于环焊缝质量问题而发生的，可见环焊缝作为油气管道最常见的特征，其安全程度决定了油气管道整体的可靠性。环焊缝开裂事故一旦发生，造成直接经济损失的同时也会对油气管道周围环境造成破坏，甚至造成人员伤亡。由于各种原因，环焊缝在焊接过程中会存在不同程度的缺陷。这些缺陷极易在管道外部载荷以及管体介质的腐蚀作用下扩大，使环焊缝产生泄漏、开裂，最终导致大规模油气管道泄漏事故发生。可见，环焊缝质量、安全性和可靠性对输送管道的流体泄漏有着重要影响。
目前，环焊缝风险预估是提高油气管道安全性，预防管道事故发生的技术手段。而相关技术在进行环焊缝风险预估时，在考虑环焊缝质量影响因素的前提下进行管道环焊缝定量评价。而不同管线的不同因素对环焊缝的可靠性影响程度并不相同，导致相关技术的环焊缝风险预估不仅受很大程度的人为主观因素的影响，而且预估结果准确度不高。
发明内容
本申请提供了一种输送管道的环焊缝风险预估方法、装置及计算机可读存储介质，有效降低环焊缝风险预估过程受人为主观因素影响程度，提高输送管道的环焊缝风险预估的准确度。
为解决上述技术问题，本发明实施例提供以下技术方案：
本发明实施例一方面提供了一种输送管道的环焊缝风险预估方法，包括：
基于城市建筑群输送管道的基础参数数据确定所述输送管道的环焊缝对应的风险预估模型；所述风险预估模型包括风险等级信息和各风险等级对应的分值范围、用于评价所述环焊缝风险的指标集和各指标的打分范围；
基于所述风险预估模型，根据所述输送管道内的检测数据和所述基础参数数据自动计算所述环焊缝各指标的风险权重值和分数值；
当利用预先构建的一致性校验关系式校验各风险权重值的赋值满足条件，则基于各指标的风险权重值和分数值利用预先构建的环焊缝风险关联关系式确定各指标与所述环焊缝风险等级关联度，以用于确定所述环焊缝的风险预估信息。
可选的，所述风险预估模型指标集包括多个一级指标，且每个一级指标还包括多个二级指标，所述基于各指标的风险权重值和分数值利用预先构建的环焊缝风险关联关系式确定各指标与所述环焊缝风险等级关联度，以用于确定所述输送管道的风险预估信息包括：
利用所述环焊缝风险关联关系式分别依次计算每个二级指标与各一级指标的指标关联度值；
对每个一级指标，根据隶属于当前一级指标的各二级指标的风险权重值和指标关联度值计算得到所述当前一级指标的指标关联度矩阵；
根据各一级指标的风险权重值和指标关联度矩阵计算得到风险预估关联度矩阵；
根据所述风险预估关联度矩阵确定所述输送管道的风险等级，以作为所述风险预估信息进行输出。
可选的，所述根据所述风险预估关联度矩阵确定所述环焊缝的风险等级，以作为所述风险预估信息进行输出包括：
从所述风险预估关联度矩阵中确定最大的矩阵元素值，以作为风险预估值；
将所述风险预估值与所述风险预估模型中的各风险等级对应的分值范围进行匹配；
将所述风险预估值所在分值范围对应的风险等级作为所述环焊缝的风险等级。
可选的，所述利用预先构建的一致性校验关系式校验各风险权重值的赋值满足条件包括：
预先基于所述风险预估模型利用标度法得到各指标之间的相对重要度，以构建指标权重判断矩阵；
利用
Figure BDA0002526360440000031
计算得到所述指标权重判断矩阵的最大特征根值；
基于所述最大特征根值利用
Figure BDA0002526360440000032
计算得到一致性指标值；
基于所述一致性指标值利用
Figure BDA0002526360440000033
计算得到一致性比率；
若所述一致性比率值在预先设置的允许范围内，则各风险权重值的赋值满足条件；若所述一致性比率值不在所述允许范围内，则各风险权重值的赋值不满足条件；
式中，λMAX为所述最大特征根值，(AW)i为第i个指标的权重因子，wi为第i个指标的风险权重值，n为指标总个数；所述权重因子根据所述指标权重判断矩阵和各指标的风险权重值确定；CI为所述一致性指标值；RI为平均随机一致性行指标值，CR为一致性比率。
可选的，各风险权重值根据所述指标权重判断矩阵的特征向量值确定，在所述各风险权重值的赋值不满足条件之后，还包括：
按照预设权重调整规则调整所述指标权重判断矩阵，计算调整后的指标权重判断矩阵的特征向量和最大特征根值，直至根据更新后的特征向量和最大特征根值计算的一致性比率在所述允许范围内。
本发明实施例另一方面提供了一种输送管道的环焊缝风险预估装置，包括：
风险预估模型确定模块，用于基于城市建筑群输送管道的基础参数数据确定所述输送管道的环焊缝对应的风险预估模型；所述风险预估模型包括风险等级信息和各风险等级对应的分值范围、用于评价所述环焊缝风险的指标集和各指标的打分范围；
指标权重和分数计算模块，用于基于所述风险预估模型，根据所述输送管道内的检测数据和所述基础参数数据自动计算所述环焊缝各指标的风险权重值和分数值；
一致性校验模块，用于利用预先构建的一致性校验关系式校验各风险权重值的赋值是否满足条件；
风险预估模块，用于当利用预先构建的一致性校验关系式校验各风险权重值的赋值满足条件，则基于各指标的风险权重值和分数值利用预先构建的环焊缝风险关联关系式确定各指标与所述环焊缝风险等级关联度，以用于确定所述环焊缝的风险预估信息。
可选的，所述风险预估模块包括：
指标关联度值计算子模块，用于利用所述环焊缝风险关联关系式分别依次计算每个二级指标与各一级指标的指标关联度值；所述风险预估模型指标集包括多个一级指标，且每个一级指标还包括多个二级指标；
指标关联度矩阵计算子模块，用于对每个一级指标，根据隶属于当前一级指标的各二级指标的风险权重值和指标关联度值计算得到所述当前一级指标的指标关联度矩阵；
风险预估关联度矩阵计算子模块，用于根据各一级指标的风险权重值和指标关联度矩阵计算得到风险预估关联度矩阵；
风险等级确定子模块，用于根据所述风险预估关联度矩阵确定所述输送管道的风险等级，以作为所述风险预估信息进行输出。
可选的，所述一致性校验模块包括：
指标权重判断矩阵构建子模块，用于预先基于所述风险预估模型利用标度法得到各指标之间的相对重要度，以构建指标权重判断矩阵；
最大特征根值计算子模块，用于利用
Figure BDA0002526360440000041
计算得到所述指标权重判断矩阵的最大特征根值；
一致性指标计算子模块，用于基于所述最大特征根值利用
Figure BDA0002526360440000051
计算得到一致性指标值；
一致性比率计算子模块，用于基于所述一致性指标值利用
Figure BDA0002526360440000052
计算得到一致性比率；
条件判定子模块，用于若所述一致性比率值在预先设置的允许范围内，则各风险权重值的赋值满足条件；若所述一致性比率值不在所述允许范围内，则各风险权重值的赋值不满足条件；
式中，λMAX为所述最大特征根值，(AW)i为第i个指标的权重因子，wi为第i个指标的风险权重值，n为指标总个数；所述权重因子根据所述指标权重判断矩阵和各指标的风险权重值确定；CI为所述一致性指标值；RI为平均随机一致性行指标值，CR为一致性比率。
本发明实施例还提供了一种输送管道的环焊缝风险预估装置，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前任一项所述输送管道的环焊缝风险预估方法的步骤。
本发明实施例最后还提供了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输送管道的环焊缝风险预估程序，所述输送管道的环焊缝风险预估程序被处理器执行时实现如前任一项所述输送管道的环焊缝风险预估方法的步骤。
本申请提供的技术方案的优点在于，环焊缝的风险预估模型基于管道具体实际情况进行构建，将管道基础特征与指标评价参数相结合，基于管道内检测数据及管道基础数据，计算管道环焊缝各指标风险权重值，结合管道现场情况给出打分结果，对环焊缝进行分级评价，不仅方便后续模型进行数据对比，还可确保预估结果可靠性；通过对风险预估模型的权重分配计算和检验，在评价过程中针对不同风险评价指标进行权重计算，且权重分配过程中跨区间影响因素的关联等级高，可综合考虑各指标对环焊缝的权重值，有效提高风险预估可靠性和准确度，极大程度上降低了风险预估过程受人为主观影响程度，提高油气管道焊缝管理水平。
此外，本发明实施例还针对输送管道的环焊缝风险预估方法提供了相应的实现装置及计算机可读存储介质，进一步使得所述方法更具有实用性，所述装置及计算机可读存储介质具有相应的优点。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或相关技术的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种输送管道的环焊缝风险预估方法的流程示意图；
图2为本发明实施例提供的环焊缝风险评价指标体系示意图；
图3为本发明实施例提供的S103步骤的一种实施方式对应的流程示意图；
图4为本发明实施例提供的S103步骤的另一种实施方式对应的流程示意图；
图5为本发明实施例提供的输送管道的环焊缝风险预估装置的一种具体实施方式结构图；
图6为本发明实施例提供的输送管道的环焊缝风险预估装置的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后，下面详细的说明本申请的各种非限制性实施方式。
首先参见图1，图1为本发明实施例提供的一种输送管道的环焊缝风险预估方法的流程示意图，本发明实施例可包括以下内容：
S101：基于城市建筑群输送管道的基础参数数据确定输送管道的环焊缝对应的风险预估模型。
在本申请中，基础参数数据为输送管道建成后的基础数据如位置、形状信息、长度信息、材料信息、所处外部环境信息及质量信息。由于不同输送管道之间存在一定差异，风险预估模型根据管道具体实际情况进行构建，将管道基础特征融合到风险预估模型之中，方便后续数据对比，以确保预估结果的可靠性。风险预估模型可包括风险等级信息和各风险等级对应的分值范围、用于评价环焊缝风险的指标集和各指标的打分范围。风险预估模型可表征输送管道在构建模型当前时刻的自身工作状态信息。风险等级信息是指设置的风险级别的个数，可根据管道的受损情况设置多个不同级别的风险等级，每个级别的风险等级的分值范围不同，基于输送管道的得分情况可确定当前所属的风险级别。风险等级信息和各风险等级对应的分值范围可根据GB50369-2014《油气长输管道攻城施工验收规范》等标准，将环焊缝风险等级分为四个等级，确定四个环焊缝风险等级对应的量化范围，并提出对应的风险管控要求，具体风险评级等级例如可如表1所示。指标集中可包括多个用于评价风险的指标，各指标为影响管道风险的影响因子，各指标可为同一层次的多个指标，也可为不同层次的多个指标，所谓的不同层次，各层次可为并列关系，也可为隶属关系，所属领域技术人员可根据实际情况进行确定。例如可将不同属性的影响因素划分到不同的类别之中，构成分层式指标集。各个评价指标在其对应的指标集内进行纵向权重分配计算，不同集合内的指标进行横向比较，进而得到各个指标权重及分值。
表1风险等级信息和各风险等级对应的分值范围
Figure BDA0002526360440000081
S102：基于风险预估模型，根据输送管道内的检测数据和基础参数数据自动计算环焊缝各指标的风险权重值和分数值。
在本发明实施例中，输送管道内的检测数据为检测管道是否存在损坏的参数数据，例如可为管体内腐蚀情况、管道强度韧性测试数据等。基于管道内检测数据以及管道基础数据，计算风险预估模型中评价管道环焊缝的各个指标的风险权重等级，结合管道现场情况给出打分结果，对环焊缝进行分级评价。其中，在为各指标进行打分时，可采用任何一种打分算法，这均不影响本申请的实现。
在一种实现方式中，可将大量历史数据作为训练样本，历史数据为不同类型输送管道的历史检测数据和与相应的各指标的打分值和风险权重值构成的多组数据，利用诸如卷积神经网络模型通过学习这些历史数据生成打分模型，模型训练过程可参阅相应的神经网络学习算法的训练过程，此处便不再赘述。训练好后打分模型后，只需将输送管道内的检测数据和基础参数数据输入至模型，便可得到环焊缝各指标的风险权重值和分数值。
S103：当利用预先构建的一致性校验关系式校验各风险权重值的赋值满足条件，则基于各指标的风险权重值和分数值利用预先构建的环焊缝风险关联关系式确定各指标与环焊缝风险等级关联度，以用于确定环焊缝的风险预估信息。
本申请为了降低风险权重值受主观影响程度，在S102中计算得到风险权重值后，还可进一步去计算权重赋值可靠度，也就是判断各风险权重值的赋值是否满足条件。当判定通过一致性检验则认定评价指标权重赋值具有可靠性，利用环焊缝风险关联关系式确定各指标与环焊缝风险等级关联度，当指标集多层指标时，逐层确定指标与环焊缝风险等级关联度，最终确定环焊缝风险评价等级。其中，一致性校验关系式和环焊缝风险关联关系式均为预先构建的关系式，一致性校验关系式用于校验风险权重值是否满足条件，一致性校验关系式例如可为判断各指标的风险权重值的累加和值是否不大于预设和值阈值，当然还可为其他校验方式，所属领域技术人员可根据实际情况进行自定义，这均不影响本申请的实现。环焊缝风险关联关系式用于构建指标和风险等级的关联度，可综合考虑各指标对目标事件的权重影响，环焊缝风险关联关系式可基于实际管道情况进行确定，例如当前输送管道的外部载荷特别大，且输送流体对管道腐蚀作用很大，那么可将反映外部载荷和管道腐蚀的指标与高风险等级进行高关联度设定，将其他指标与低风险等级进行关联度设置，这均不影响本申请的实现，所属领域技术人员可根据实际情况进行自定义，本申请对此不做任何限定。
在本发明实施例提供的技术方案中，环焊缝的风险预估模型基于管道具体实际情况进行构建，将管道基础特征与指标评价参数相结合，基于管道内检测数据及管道基础数据，计算管道环焊缝各指标风险权重值，结合管道现场情况给出打分结果，对环焊缝进行分级评价，不仅方便后续模型进行数据对比，还可确保预估结果可靠性；通过对风险预估模型的权重分配计算和检验，在评价过程中针对不同风险评价指标进行权重计算，且权重分配过程中跨区间影响因素的关联等级高，可综合考虑各指标对环焊缝的权重值，有效提高风险预估可靠性和准确度，极大程度上降低了风险预估过程受人为主观影响程度，提高油气管道焊缝管理水平。
上述实施例对风险预估模型的表现形式并不做限定，为了便于后续计算，可利用经典域、节域和待评价物元来构建风险预估模型。其中，经典域包含矩阵个数与风险等级级别总数相同，每个矩阵元素由指标个数和相应的打分范围确定。节域为环焊缝全风险等级和相应的分值范围确定，待评价物元由指标和相应的打分结果构成。风险预估模型与指标集体系有直接联系。
可选的，本申请可构建图2所示的指标体系，风险预估模型指标集包括多个一级指标，且每个一级指标还包括多个二级指标。一级指标可包括C1焊缝缺陷、C2材料性能、C3外部载荷和C4施工质量管理，对于C1焊缝缺陷一级指标，其下的二级指标可包括C11环焊缝底片质量、C12底片复核结果、C13内检测精度和C14开挖验证情况；对于C2材料性能一级指标，其下的二级指标可包括C21管体腐蚀情况、C22强度韧性测试达标、C23焊接技术及方法；对于C3外部载荷一级指标，其下的二级指标可包括C31设计运行压力比、C32连头类型、C33地质情况和C34应力集中位置；对于C4施工质量管理一级指标，其下的二级指标可包括C41施工与检测符合性、C42疑似黑口、C43返修口。
以环焊缝风险评价一级指标C1和表1所示的风险等级为例，M为环焊缝全风险等级范围；C为全体环焊缝风险指标；M1、M2、M3、M4为环焊缝的四个风险等级；C1、C2、C3、C4为四个一级指标；S1为第一个待评价一级指标；C11、C12、C13、C14为C1的二级指标。经典域(R1、R2、R3、R4)、节域(R)和待评价物元(Re)可采用如下形式来表示：
Figure BDA0002526360440000111
Figure BDA0002526360440000112
Figure BDA0002526360440000113
本发明实施例对指标集进行了详细划分，构建的指标体系可更加准确的反映输送管道的实际情况；此外，采用矩阵形式构建模型，便于后续数据处理。
在上述实施例中，对于如何执行步骤S103并不做限定，本实施例中给出利用预先构建的一致性校验关系式校验各风险权重值的赋值满足条件的一种实施方式，请参阅图3，可包括如下内容：
S1031：预先基于风险预估模型利用标度法得到各指标之间的相对重要度，以构建指标权重判断矩阵。
在构建风险预估模型之后，可利用如A.L.Saaty1-9标度法基于风险预估模型中的包含信息通过对各指标进行加权判断其间相对重要性构建环指标权重判断矩阵A。具体的，可利用调查问卷方法，获得打分专家组对于各项指标之间的权重比较。按照Saaty1-9标度法，根据指标间的相对重要度建立指标权重判断矩阵，以图2所示4个一级指标为例构建的指标权重判断矩阵A可表示为：
Figure BDA0002526360440000121
指标权重判断矩阵为通过对各指标进行加权判断其间相对重要性进行构建的，可通过计算指标权重判断矩阵的特征向量来确定各指标的风险权重值。举例来说，计算指标权重判断矩阵A每行元素乘积后，将得到得结果进行对应元素数量值开根并标准化，得到判断矩阵特征向量w＝(0.4231，0.2274，0.1222，0.2274)。则环焊缝风险评价得四个一级指标分别为C1＝0.4231、C2＝0.2274、C3＝0.1222、C4＝0.2274。
S1032：利用最大特征值计算关系式计算得到指标权重判断矩阵的最大特征根值。
本申请可采用横向连乘求根法计算最大特征根λMAX，若(AW)i为第i个指标的权重因子，wi为第i个指标的风险权重值，n为指标总个数；则最大特征值计算关系式可表示为：
Figure BDA0002526360440000122
其中，权重因子可根据指标权重判断矩阵和各指标的风险权重值确定，以上述例子中的指标权重判断矩阵和各指标的风险权重值为例计算得到的权重因子表示矩阵AW可表示为：
Figure BDA0002526360440000123
权重因子表示矩阵的每个矩阵元素对应一个指标的权重影因子。
S1033：基于最大特征根值利用一致性指标计算关系式计算得到一致性指标值。
在S1032计算得到最大特征根值后，可利用一致性指标计算关系式计算一致性指标值，CI为一致性指标值，一致性指标计算关系可表示为：
Figure BDA0002526360440000131
S1034：基于一致性指标值利用一致性比率计算关系式计算得到一致性比率。
一致性比率计算关系式可表示为：
Figure BDA0002526360440000132
式中，RI为平均随机一致性行指标值，CR为一致性比率。平均随机一致性行指标值可如表2所示：
表2平均随机一致性指标表
阶数 3 4 5 6 7 8 9 10
RI 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49
S1025：若一致性比率值在预先设置的允许范围内，则各风险权重值的赋值满足条件；若一致性比率值不在允许范围内，则各风险权重值的赋值不满足条件。
若结果通过一致性检验，则指标权重判断矩阵的特征向量w即为其对应评价指标的权重值。若结果不通过一致性检验，即各风险权重值的赋值不满足条件，按照预设权重调整规则调整指标权重判断矩阵，计算调整后的指标权重判断矩阵的特征向量和最大特征根值，直至根据更新后的特征向量和最大特征根值计算的一致性比率在允许范围内。举例来说，若得到的一致性比率CR小于0.1，则证明判断矩阵通过一致性检验。权重调整规则即为重新更换打分方法对指标权重判断矩阵A中的各元素进行打分或者是在原先分值基础上小范围上下波动调整分数值，然后在计算指标权重判断矩阵A的特征向量。
举例来说，基于权重因子表示矩阵AW和指标权重判断矩阵A，利用计算关系式(1)计算得到最大特征根值为：
Figure BDA0002526360440000141
根据式(2)对指标权重判断矩阵A进行一致性检验，得到：
Figure BDA0002526360440000142
根据式(3)得到一致性比率值为
Figure BDA0002526360440000143
0.0039＜0.1，所以指标权重判断矩阵A通过一致性检验，评价指标权重赋值具有可靠性。然后在使用相同得方法对各组二级指标进行评价指标权重计算。
由上可知，本申请通过采用计算指标权重判断矩阵的特征向量的方法计算得到各指标的风险权重值，利用问卷调查法结合A.L.Saaty1-9标度法对各指标进行打分，并对计算得到的风险权重值进行可靠性验证，有利于降低人为主观因素的影响，提高风险预估准确度。
在上述实施例中，对于如何执行步骤S103并不做限定，本实施例中给出一种基于各指标的风险权重值和分数值利用预先构建的环焊缝风险关联关系式确定各指标与环焊缝风险等级关联度的实施方式，可以理解的是，该步骤与指标集有直接关系，对于图2所示的指标体系，即风险预估模型指标集包括多个一级指标，且每个一级指标还包括多个二级指标，如图4所示，S103可包括如下步骤：
S1036：利用环焊缝风险关联关系式分别依次计算每个二级指标与各一级指标的指标关联度值。
在本发明实施例中，环焊缝风险关联关系式例如可表示为：
Figure BDA0002526360440000151
Figure BDA0002526360440000152
Figure BDA0002526360440000153
式中，Kij为二级指标对应其一级指标的关联度；nik为二级指标打分分值；Nj为指标分值对应的等级，Ni为指标分值对应的全体等级，aji、bji为二级指标所在等级评分的上下限；ai、bi为二级指标所在的全体等级评分的上下限；ρ为评价指标与对应阈值贴进度；j＝1，2，3，4。
S1037：对每个一级指标，根据隶属于当前一级指标的各二级指标的风险权重值和指标关联度值计算得到当前一级指标的指标关联度矩阵。
在本发明实施例中，指标关联度矩阵可表示为：
Figure BDA0002526360440000154
式中，K(Ci)为第i个一级指标的指标关联度矩阵，win为第i个一级指标的各二级指标对应的风险权重值，km(cin)为第i个一级指标的各二级指标的指标关联度值。
S1038：根据各一级指标的风险权重值和指标关联度矩阵计算得到风险预估关联度矩阵。
在S1037得到每个一级指标的指标关联度矩阵之后，可基于下述关系式计算得到风险预估关联度矩阵：
Figure BDA0002526360440000161
式中，K(S)为风险预估关联度矩阵，K(Cn)为第n个一级指标的指标关联度矩阵，wcn为第n个一级指标的风险权重值。
S1039：根据风险预估关联度矩阵确定输送管道的风险等级，以作为风险预估信息进行输出。
在本步骤中，可依据最大隶属度原则，将风险预估关联度矩阵中最大值所对应的风险等级即为环焊缝风险评价对应等级。也即风险预估信息可根据下述过程进行输出：
从风险预估关联度矩阵中确定最大的矩阵元素值，以作为风险预估值；
将风险预估值与风险预估模型中的各风险等级对应的分值范围进行匹配；
将风险预估值所在分值范围对应的风险等级作为环焊缝的风险等级。
为了使得本申请技术方案更加清楚明白，以图2所示的指标体系、表1所示的风险等级信息、S1021中构建的指标权重判断矩阵A为例阐述风险等级的确定过程，可包括下述内容：
基于计算关系式(4)可计算C1指标下的各二级指标与各一级指标的指标关联度值：
Figure BDA0002526360440000162
Figure BDA0002526360440000163
Figure BDA0002526360440000171
Figure BDA0002526360440000172
Figure BDA0002526360440000173
Figure BDA0002526360440000174
Figure BDA0002526360440000175
Figure BDA0002526360440000176
Figure BDA0002526360440000177
按照上述方式分别计算C2一级指标、C3一级指标和C4一级指标下的各二级指标与各一级指标的指标关联度值，得到环焊缝风险评价指标权重和关联度信息，请参阅表3所示：
表3环焊缝风险评价指标权重和关联度表
Figure BDA0002526360440000178
Figure BDA0002526360440000181
Figure BDA0002526360440000191
以一级指标焊缝缺陷C1为例根据式(5)计算其指标关联度矩阵K(C1)，计算步骤如下：
Figure BDA0002526360440000192
利用此方法可以计算出其他一级指标的指标关联度矩阵：
K(C2)＝(-0.3454 0.2696 -0.1055 -0.5505)。
K(C3)＝(-0.1157 0.4207 -0.3403 -0.6647)。
K(C4)＝(0.4476 -0.3238 -0.7008 -0.7665)。
根据一级指标关联度及权重系数利用计算关系式(6)可计算出风险预估关联度矩阵，如下：
Figure BDA0002526360440000201
计算得到环焊缝风险评价关联度矩阵，其中KMAX(S)＝0.2114＝K1(S)。确定被评价环焊缝风险等级为Ⅰ级，风险水平低，可忽略其风险。采取此方法对长输油气管道环焊缝进行风险评价，可针对单个环焊缝评价，也可对一段管道内的环焊缝进行评价。对评价结果为高风险的环焊缝进一步开展精细化完整性评价，确定风险评价过程中低分项目，并进行有效整改，提高环焊缝可靠性。
需要说明的是，本申请中各步骤之间没有严格的先后执行顺序，只要符合逻辑上的顺序，则这些步骤可以同时执行，也可按照某种预设顺序执行，图1、图3和图4只是一种示意方式，并不代表只能是这样的执行顺序。
本发明实施例还针对输送管道的环焊缝风险预估方法提供了相应的装置，进一步使得所述方法更具有实用性。其中，装置可从功能模块的角度和硬件的角度分别说明。下面对本发明实施例提供的输送管道的环焊缝风险预估装置进行介绍，下文描述的输送管道的环焊缝风险预估装置与上文描述的输送管道的环焊缝风险预估方法可相互对应参照。
基于功能模块的角度，参见图5，图5为本发明实施例提供的输送管道的环焊缝风险预估装置在一种具体实施方式下的结构图，该装置可包括：
风险预估模型确定模块501，用于基于城市建筑群输送管道的基础参数数据确定输送管道的环焊缝对应的风险预估模型；风险预估模型包括风险等级信息和各风险等级对应的分值范围、用于评价环焊缝风险的指标集和各指标的打分范围。
指标权重和分数计算模块502，用于基于风险预估模型，根据输送管道内的检测数据和基础参数数据自动计算环焊缝各指标的风险权重值和分数值。
一致性校验模块503，用于利用预先构建的一致性校验关系式校验各风险权重值的赋值是否满足条件。
风险预估模块504，用于当利用预先构建的一致性校验关系式校验各风险权重值的赋值满足条件，则基于各指标的风险权重值和分数值利用预先构建的环焊缝风险关联关系式确定各指标与环焊缝风险等级关联度，以用于确定环焊缝的风险预估信息。
可选的，在本实施例的一些实施方式中，所述风险预估模块504例如可包括：
指标关联度值计算子模块，用于利用环焊缝风险关联关系式分别依次计算每个二级指标与各一级指标的指标关联度值；风险预估模型指标集包括多个一级指标，且每个一级指标还包括多个二级指标。
指标关联度矩阵计算子模块，用于对每个一级指标，根据隶属于当前一级指标的各二级指标的风险权重值和指标关联度值计算得到当前一级指标的指标关联度矩阵。
风险预估关联度矩阵计算子模块，用于根据各一级指标的风险权重值和指标关联度矩阵计算得到风险预估关联度矩阵。
风险等级确定子模块，用于根据风险预估关联度矩阵确定输送管道的风险等级，以作为风险预估信息进行输出。
在本实施例的另一些实施方式中，所述一致性校验模块503例如可包括：
指标权重判断矩阵构建子模块，用于预先基于风险预估模型利用标度法得到各指标之间的相对重要度，以构建指标权重判断矩阵。
最大特征根值计算子模块，用于利用
Figure BDA0002526360440000211
计算得到指标权重判断矩阵的最大特征根值。
一致性指标计算子模块，用于基于最大特征根值利用
Figure BDA0002526360440000221
计算得到一致性指标值。
一致性比率计算子模块，用于基于一致性指标值利用
Figure BDA0002526360440000222
计算得到一致性比率。
条件判定子模块，用于若一致性比率值在预先设置的允许范围内，则各风险权重值的赋值满足条件；若一致性比率值不在允许范围内，则各风险权重值的赋值不满足条件。
式中，λMAX为最大特征根值，(AW)i为第i个指标的权重因子，wi为第i个指标的风险权重值，n为指标总个数；权重因子根据指标权重判断矩阵和各指标的风险权重值确定；CI为一致性指标值；RI为平均随机一致性行指标值，CR为一致性比率。
作为本申请一种可选的实施方式，所述装置还可包括权重调整模块，所述权重调整模块用于按照预设权重调整规则调整指标权重判断矩阵，计算调整后的指标权重判断矩阵的特征向量和最大特征根值，直至根据更新后的特征向量和最大特征根值计算的一致性比率在允许范围内。
本发明实施例所述输送管道的环焊缝风险预估装置的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例有效降低环焊缝风险预估过程受人为主观因素影响程度，提高输送管道的环焊缝风险预估的准确度。
上文中提到的输送管道的环焊缝风险预估装置是从功能模块的角度描述，进一步的，本申请还提供一种输送管道的环焊缝风险预估装置，是从硬件角度描述。图6为本申请实施例提供的另一种输送管道的环焊缝风险预估装置的结构图。如图6所示，该装置包括存储器60，用于存储计算机程序；
处理器61，用于执行计算机程序时实现如上述任一实施例提到的输送管道的环焊缝风险预估方法的步骤。
其中，处理器61可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器61可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器61也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器61可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器61还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器60可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器60还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器60至少用于存储以下计算机程序601，其中，该计算机程序被处理器61加载并执行之后，能够实现前述任一实施例公开的输送管道的环焊缝风险预估方法的相关步骤。另外，存储器60所存储的资源还可以包括操作***602和数据603等，存储方式可以是短暂存储或者永久存储。其中，操作***602可以包括Windows、Unix、Linux等。数据603可以包括但不限于测试结果对应的数据等。
在一些实施例中，输送管道的环焊缝风险预估装置还可包括有显示屏62、输入输出接口63、通信接口64、电源65以及通信总线66，例如还可包括传感器67。
本领域技术人员可以理解，图6中示出的结构并不构成对输送管道的环焊缝风险预估装置的限定，可以包括比图示更多或更少的组件，例如传感器67。
本发明实施例所述输送管道的环焊缝风险预估装置的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例有效降低环焊缝风险预估过程受人为主观因素影响程度，提高输送管道的环焊缝风险预估的准确度。
可以理解的是，如果上述实施例中的输送管道的环焊缝风险预估方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、磁碟或者光盘等各种可以存储程序代码的介质。
基于此，本发明实施例还提供了一种计算机可读存储介质，存储有输送管道的环焊缝风险预估程序，所述输送管道的环焊缝风险预估程序被处理器执行时如上任意一实施例所述输送管道的环焊缝风险预估方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例有效降低环焊缝风险预估过程受人为主观因素影响程度，提高输送管道的环焊缝风险预估的准确度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以上对本申请所提供的一种输送管道的环焊缝风险预估方法、装置及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

Claims (10)

1.一种输送管道的环焊缝风险预估方法，其特征在于，包括：
基于城市建筑群输送管道的基础参数数据确定所述输送管道的环焊缝对应的风险预估模型；所述风险预估模型包括风险等级信息和各风险等级对应的分值范围、用于评价所述环焊缝风险的指标集和各指标的打分范围；
基于所述风险预估模型，根据所述输送管道内的检测数据和所述基础参数数据自动计算所述环焊缝各指标的风险权重值和分数值；
当利用预先构建的一致性校验关系式校验各风险权重值的赋值满足条件，则基于各指标的风险权重值和分数值利用预先构建的环焊缝风险关联关系式确定各指标与所述环焊缝风险等级关联度，以用于确定所述环焊缝的风险预估信息。
2.根据权利要求1所述的输送管道的环焊缝风险预估方法，其特征在于，所述风险预估模型指标集包括多个一级指标，且每个一级指标还包括多个二级指标，所述基于各指标的风险权重值和分数值利用预先构建的环焊缝风险关联关系式确定各指标与所述环焊缝风险等级关联度，以用于确定所述输送管道的风险预估信息包括：
利用所述环焊缝风险关联关系式分别依次计算每个二级指标与各一级指标的指标关联度值；
对每个一级指标，根据隶属于当前一级指标的各二级指标的风险权重值和指标关联度值计算得到所述当前一级指标的指标关联度矩阵；
根据各一级指标的风险权重值和指标关联度矩阵计算得到风险预估关联度矩阵；
根据所述风险预估关联度矩阵确定所述输送管道的风险等级，以作为所述风险预估信息进行输出。
3.根据权利要求2所述的输送管道的环焊缝风险预估方法，其特征在于，所述根据所述风险预估关联度矩阵确定所述环焊缝的风险等级，以作为所述风险预估信息进行输出包括：
从所述风险预估关联度矩阵中确定最大的矩阵元素值，以作为风险预估值；
将所述风险预估值与所述风险预估模型中的各风险等级对应的分值范围进行匹配；
将所述风险预估值所在分值范围对应的风险等级作为所述环焊缝的风险等级。
4.根据权利要求1-3任意一项所述的输送管道的环焊缝风险预估方法，其特征在于，所述利用预先构建的一致性校验关系式校验各风险权重值的赋值满足条件包括：
预先基于所述风险预估模型利用标度法得到各指标之间的相对重要度，以构建指标权重判断矩阵；
利用
Figure FDA0002526360430000021
计算得到所述指标权重判断矩阵的最大特征根值；
基于所述最大特征根值利用
Figure FDA0002526360430000022
计算得到一致性指标值；
基于所述一致性指标值利用
Figure FDA0002526360430000023
计算得到一致性比率；
若所述一致性比率值在预先设置的允许范围内，则各风险权重值的赋值满足条件；若所述一致性比率值不在所述允许范围内，则各风险权重值的赋值不满足条件；
式中，λMAX为所述最大特征根值，(AW)i为第i个指标的权重因子，wi为第i个指标的风险权重值，n为指标总个数；所述权重因子根据所述指标权重判断矩阵和各指标的风险权重值确定；CI为所述一致性指标值；RI为平均随机一致性行指标值，CR为一致性比率。
5.根据权利要求4所述的输送管道的环焊缝风险预估方法，其特征在于，各风险权重值根据所述指标权重判断矩阵的特征向量值确定，在所述各风险权重值的赋值不满足条件之后，还包括：
按照预设权重调整规则调整所述指标权重判断矩阵，计算调整后的指标权重判断矩阵的特征向量和最大特征根值，直至根据更新后的特征向量和最大特征根值计算的一致性比率在所述允许范围内。
6.一种输送管道的环焊缝风险预估装置，其特征在于，包括：
风险预估模型确定模块，用于基于城市建筑群输送管道的基础参数数据确定所述输送管道的环焊缝对应的风险预估模型；所述风险预估模型包括风险等级信息和各风险等级对应的分值范围、用于评价所述环焊缝风险的指标集和各指标的打分范围；
指标权重和分数计算模块，用于基于所述风险预估模型，根据所述输送管道内的检测数据和所述基础参数数据自动计算所述环焊缝各指标的风险权重值和分数值；
一致性校验模块，用于利用预先构建的一致性校验关系式校验各风险权重值的赋值是否满足条件；
风险预估模块，用于当利用预先构建的一致性校验关系式校验各风险权重值的赋值满足条件，则基于各指标的风险权重值和分数值利用预先构建的环焊缝风险关联关系式确定各指标与所述环焊缝风险等级关联度，以用于确定所述环焊缝的风险预估信息。
7.根据权利要求6所述的输送管道的环焊缝风险预估装置，其特征在于，所述风险预估模块包括：
指标关联度值计算子模块，用于利用所述环焊缝风险关联关系式分别依次计算每个二级指标与各一级指标的指标关联度值；所述风险预估模型指标集包括多个一级指标，且每个一级指标还包括多个二级指标；
指标关联度矩阵计算子模块，用于对每个一级指标，根据隶属于当前一级指标的各二级指标的风险权重值和指标关联度值计算得到所述当前一级指标的指标关联度矩阵；
风险预估关联度矩阵计算子模块，用于根据各一级指标的风险权重值和指标关联度矩阵计算得到风险预估关联度矩阵；
风险等级确定子模块，用于根据所述风险预估关联度矩阵确定所述输送管道的风险等级，以作为所述风险预估信息进行输出。
8.根据权利要求6或7所述的输送管道的环焊缝风险预估装置，其特征在于，所述一致性校验模块包括：
指标权重判断矩阵构建子模块，用于预先基于所述风险预估模型利用标度法得到各指标之间的相对重要度，以构建指标权重判断矩阵；
最大特征根值计算子模块，用于利用
Figure FDA0002526360430000041
计算得到所述指标权重判断矩阵的最大特征根值；
一致性指标计算子模块，用于基于所述最大特征根值利用
Figure FDA0002526360430000042
计算得到一致性指标值；
一致性比率计算子模块，用于基于所述一致性指标值利用
Figure FDA0002526360430000043
计算得到一致性比率；
条件判定子模块，用于若所述一致性比率值在预先设置的允许范围内，则各风险权重值的赋值满足条件；若所述一致性比率值不在所述允许范围内，则各风险权重值的赋值不满足条件；
式中，λMAX为所述最大特征根值，(AW)i为第i个指标的权重因子，wi为第i个指标的风险权重值，n为指标总个数；所述权重因子根据所述指标权重判断矩阵和各指标的风险权重值确定；CI为所述一致性指标值；RI为平均随机一致性行指标值，CR为一致性比率。
9.一种输送管道的环焊缝风险预估装置，其特征在于，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至5任一项所述输送管道的环焊缝风险预估方法的步骤。
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输送管道的环焊缝风险预估程序，所述输送管道的环焊缝风险预估程序被处理器执行时实现如权利要求1至5任一项所述输送管道的环焊缝风险预估方法的步骤。
CN202010505385.2A 2020-06-05 2020-06-05 输送管道的环焊缝风险预估方法、装置及可读存储介质 Active CN111666684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010505385.2A CN111666684B (zh) 2020-06-05 2020-06-05 输送管道的环焊缝风险预估方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010505385.2A CN111666684B (zh) 2020-06-05 2020-06-05 输送管道的环焊缝风险预估方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN111666684A true CN111666684A (zh) 2020-09-15
CN111666684B CN111666684B (zh) 2023-08-29

Family

ID=72386442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010505385.2A Active CN111666684B (zh) 2020-06-05 2020-06-05 输送管道的环焊缝风险预估方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN111666684B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257280A (zh) * 2020-10-29 2021-01-22 桂林电子科技大学 再流焊bga群焊点液固相连续形态预测方法
CN114662391A (zh) * 2022-03-24 2022-06-24 深圳市深水水务咨询有限公司 一种提高给水排水管道防渗漏性能方法和***
CN116341966A (zh) * 2023-03-16 2023-06-27 中国石油大学(北京) 管道环焊缝脆弱性评价方法、装置、电子设备和存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110155711A1 (en) * 2009-12-31 2011-06-30 Thomas Edward Doyle Adaptive control of arc welding parameters
US20160145994A1 (en) * 2014-11-20 2016-05-26 Petrochina Company Limited Evaluation Method and Evaluation Device for Water Breakthrough Risk of Production Wells in Aquifer Drive Gas Reservoirs
WO2017008180A1 (zh) * 2015-07-16 2017-01-19 广东产品质量监督检验研究院 一种光伏组件失效风险判别方法
CN107283083A (zh) * 2016-03-31 2017-10-24 中国石油天然气股份有限公司 环焊缝评价方法及装置
CN108224096A (zh) * 2018-01-03 2018-06-29 中国石油大学(华东) 一种城市油气管道重大事故风险预警评估方法
CN108764641A (zh) * 2018-04-27 2018-11-06 中国石油天然气股份有限公司 油气管道管体与焊缝缺陷风险评价方法
CN108921372A (zh) * 2018-05-17 2018-11-30 西南交通大学 基于层次分析和可拓物元的高速公路隧道运营安全风险评价方法
CN109118074A (zh) * 2018-08-03 2019-01-01 广州供电局有限公司 电力作业风险评估方法、装置、计算机设备和存储介质
CN109815981A (zh) * 2018-12-19 2019-05-28 中国石油天然气股份有限公司 环焊缝风险等级的确定方法、装置和可读存储介质
CN110728449A (zh) * 2019-10-10 2020-01-24 广西电网有限责任公司 一种风险管控评价方法
WO2020037942A1 (zh) * 2018-08-20 2020-02-27 平安科技（深圳）有限公司 风险预测处理方法、装置、计算机设备和介质
CN110851918A (zh) * 2018-07-25 2020-02-28 中国石油化工股份有限公司 一种管道环焊缝缺陷可靠性评价方法及装置
CN111156425A (zh) * 2020-01-15 2020-05-15 中国石油大学(北京) 管道状态监测方法、装置及***

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110155711A1 (en) * 2009-12-31 2011-06-30 Thomas Edward Doyle Adaptive control of arc welding parameters
US20160145994A1 (en) * 2014-11-20 2016-05-26 Petrochina Company Limited Evaluation Method and Evaluation Device for Water Breakthrough Risk of Production Wells in Aquifer Drive Gas Reservoirs
WO2017008180A1 (zh) * 2015-07-16 2017-01-19 广东产品质量监督检验研究院 一种光伏组件失效风险判别方法
CN107283083A (zh) * 2016-03-31 2017-10-24 中国石油天然气股份有限公司 环焊缝评价方法及装置
CN108224096A (zh) * 2018-01-03 2018-06-29 中国石油大学(华东) 一种城市油气管道重大事故风险预警评估方法
CN108764641A (zh) * 2018-04-27 2018-11-06 中国石油天然气股份有限公司 油气管道管体与焊缝缺陷风险评价方法
CN108921372A (zh) * 2018-05-17 2018-11-30 西南交通大学 基于层次分析和可拓物元的高速公路隧道运营安全风险评价方法
CN110851918A (zh) * 2018-07-25 2020-02-28 中国石油化工股份有限公司 一种管道环焊缝缺陷可靠性评价方法及装置
CN109118074A (zh) * 2018-08-03 2019-01-01 广州供电局有限公司 电力作业风险评估方法、装置、计算机设备和存储介质
WO2020037942A1 (zh) * 2018-08-20 2020-02-27 平安科技（深圳）有限公司 风险预测处理方法、装置、计算机设备和介质
CN109815981A (zh) * 2018-12-19 2019-05-28 中国石油天然气股份有限公司 环焊缝风险等级的确定方法、装置和可读存储介质
CN110728449A (zh) * 2019-10-10 2020-01-24 广西电网有限责任公司 一种风险管控评价方法
CN111156425A (zh) * 2020-01-15 2020-05-15 中国石油大学(北京) 管道状态监测方法、装置及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
崔祥;张云宁;吴蓉;杨帆;: "基于物元可拓理论的输变电工程造价风险评价" *
王露;范小艳;张长征;: "基于物元可拓理论的高层建筑施工安全风险评估研究" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257280A (zh) * 2020-10-29 2021-01-22 桂林电子科技大学 再流焊bga群焊点液固相连续形态预测方法
CN114662391A (zh) * 2022-03-24 2022-06-24 深圳市深水水务咨询有限公司 一种提高给水排水管道防渗漏性能方法和***
CN116341966A (zh) * 2023-03-16 2023-06-27 中国石油大学(北京) 管道环焊缝脆弱性评价方法、装置、电子设备和存储介质
CN116341966B (zh) * 2023-03-16 2023-12-22 中国石油大学(北京) 管道环焊缝脆弱性评价方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN111666684B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN111666684B (zh) 输送管道的环焊缝风险预估方法、装置及可读存储介质
CN109783906B (zh) 一种管道内检测漏磁数据智能分析***及方法
Gou et al. Group decision making with double hierarchy hesitant fuzzy linguistic preference relations: Consistency based measures, index and repairing algorithms and decision model
El-Abbasy et al. Artificial neural network models for predicting condition of offshore oil and gas pipelines
CN108801387B (zh) 一种基于学习模型的飞机油箱剩余油量测量***和方法
CN111737642A (zh) 基于模糊网络分析法的海底管道失效风险综合评价方法
CN103868985A (zh) 一种在役压力容器缺陷量化综合安全评判方法
CN109325263A (zh) 基于神经网络的桁架桥梁损伤位置与损伤程度识别方法
CN111664365A (zh) 基于改进vmd和1dcnn的油气管道泄漏检测方法
CN115270527B (zh) 道路塌陷风险实时评估方法、设备及存储介质
CN111861238A (zh) 高速公路桥梁工程风险评估方法、装置及计算机设备
CN103838931A (zh) 一种工程机械臂架类结构再制造准入期评估方法
CN112016857B (zh) 基于云理论的聚乙烯管道地震易损性评估方法
CN115111537A (zh) 用于确定燃气管网中泄漏点的位置的方法、装置和介质
CN112257942A (zh) 一种应力腐蚀开裂预测方法及***
CN117993306B (zh) 一种对管网仿真参数进行率定的方法、***和介质
Shabani et al. Probabilistic modelling of free spanning pipelines considering multiple failure modes
Vallabhaneni et al. Application of radial basis neural network on damage assessment of structures
Miao et al. Deep learning–based inspection data mining and derived information fusion for enhanced bridge deterioration assessment
Qiao et al. Dynamic assessment method for human factor risk of manned deep submergence operation system based on SPAR-H and SD
CN110990938B (zh) 一种掌子面在掘岩体状态软测量方法
CN112699467A (zh) 一种港口国监督检查船舶和检查员分配的方法
CN101527016A (zh) 出入境检验检疫符合性条件的筛选方法
Hamdan et al. A knowledge-based Approach for the Assessment of Damages to Constructions
CN106327404A (zh) 一种灾害综合评估中多源数据冲突检测与消解方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230919

Address after: 100000 22 Chaoyangmen North Street, Chaoyang District, Beijing.

Patentee after: CHINA PETROLEUM & CHEMICAL Corp.

Patentee after: National Petroleum and natural gas pipeline network Group Co.,Ltd.

Address before: Room 1402, No. 81 Zhongshan 7th Road, Liwan District, Guangzhou City, Guangdong Province, 510145

Patentee before: South China branch of Sinopec Sales Co.,Ltd.

TR01 Transfer of patent right