基于改进PCA与有序多分类Logistic的充填管道磨损风险评估
Risk Assessment of Filling Pipeline Wearing Based on Improved PCA and Ordered Multi-class Logistic
通讯作者:
收稿日期: 2018-08-14 修回日期: 2018-12-11 网络出版日期: 2019-10-29
基金资助: |
|
Received: 2018-08-14 Revised: 2018-12-11 Online: 2019-10-29
关键词:
Keywords:
本文引用格式
王石, 汤艺, 冯萧.
WANG Shi, TANG Yi, FENG Xiao.
在实际操作中,即使最优的充填管道输送参数,也依然有可能因为现实存在的未知因素,导致充填管道出现重大磨损事件[13,14]。因此,充填管道磨损风险与其影响指标之间的关系并不是一个绝对的静态平衡等式,而应是受到多种不确定性因素干扰的概率波动方程。鉴于此,综合考虑多个影响指标,建立改进PCA与有序多分类Logistic相结合的评估模型。根据改进PCA算法,筛除了影响指数较小的指标,突出了具有代表性的指标在管道磨损中的重要作用。将剩余指标代入有序多分类Logistic回归模型,得到充填管道磨损风险等级及其相应概率,展现充填管道磨损风险与其各指标之间的动态映射关系,建立了科学、系统且准确的管道磨损风险评估体系。
1 改进PCA与有序多分类Logistic回归原理
1.1 改进PCA原理
设有P项指标影响研究对象,以X1,X2,…,XP表示,并以这P项指标的观测数据构成了P维随机向量X=(X1,X2,…,XP)。同时对各个指标的数据进行标准化,消除各数据在量纲和数量等级上的差异。依据处理后的数据构建协方差矩阵R,它是反映各个指标数据之间相关性程度的统计指标,其中Rij (i,j=1,2,…,p)为指标Xi,Xj的相关系数,其计算公式为
再以此为基准,计算特征根
最后得出各个主成分
在此基础上,构建影响力数值
1.2 有序多分类Logistic回归数学模型
式中:n表示观测数据组个数;
则,
将式(7)变形得到
最后得到
2 充填管道磨损风险评估指标体系
充填管道磨损风险评估是一项庞大复杂的系统工程,科学建立评估指标体系以及正确选择相应评估指标是实现充填管道磨损风险合理评估的根本。有关充填管道的磨损研究,涉及的影响因素众多,但主要还是与充填颗粒性质、充填料浆流速、充填压力和充填管道自身参数等相关。例如,充填骨料形状及骨料中粗颗粒所占比重,骨料形状越不规则,粗颗粒占比越大,料浆流动时对管道产生的摩擦损坏更大。其原因是充填料浆流速快,动量大,对管道产生的冲击力强,导致管道内壁碎屑材料脱落且混入料浆中,增大了管道内壁的不平整度,提高了料浆颗粒与管道内壁的碰撞概率,进一步加剧了管道磨损。综合考虑各类因素的作用机理及涉及方面,最终整理出12个具有代表性的指标。
由于在实际生产中部分指标并没有准确的量化数据,所以结合相关文献资料和专家意见,对各定性指标进行合理赋值,使评价结果更为准确。参考分级标准法将每个指标划分为4个等级,评估等级集为{D1,D2,D3,D4},即划分为Ⅰ级、Ⅱ级、Ⅲ级和Ⅳ级,分别表示管道不易磨损、较易磨损、容易磨损和极易磨损,分级结果见表1~表2。12个评价指标分别为:充填料浆体积分数(I1)、充填料浆密度(I2)、粗颗粒占比(I3)、管道内径(I4)、管道铺设不平整度(I5)、管道绝对粗糙程度(I6)、充填倍线(I7)、料浆流速与临界流速之比(I8)、管道使用年限(I9)、充填骨料形状(I10)、充填料浆腐蚀性(I11)和管道材料(I12)。其中I1~I9为定量指标,I10~I12为定性指标。
表1 定量指标评估等级取值范围
Table 1
磨损等级 | 充填料浆体积分数/% | 充填料浆密度/(t·m-³) | 粗颗粒占比/% | 管道内径/mm | 管道铺设不平整度/% | 管道绝对糙度/μm | 充填倍线 | 料浆流速与临界流速之比 | 管道使用年限/a |
---|---|---|---|---|---|---|---|---|---|
Ⅰ | I1<30 | I2<1.5 | I3<20 | I4>200 | I5<1.0 | I6≤100 | I7≥7.0 | I8<1.0 | I10<2 |
Ⅱ | 30≤I1<40 | 1.5≤I2<1.7 | 20≤I3<40 | 150< I4≤200 | 1.0≤I5<3.0 | I6≤100 | 5.0≤I7<7.0 | 1.0≤I8<1.2 | 2≤I10<5 |
Ⅲ | 40≤I1<50 | 1.7≤I2<1.9 | 40≤I3<60 | 100< I4≤150 | 3.0≤I5<5.0 | 300≤I6<500 | 3.0≤I7<5.0 | 1.2≤I8<1.5 | 5≤I10<10 |
Ⅳ | I1≥50 | I2≥1.9 | I3≥60 | I4≤100 | I5≥5.0 | I6≥500 | 1.0≤I7<3.0 | I8≥1.5 | I10≥10 |
表2 定性指标评估等级取值范围
Table 2
磨损等级 | 充填骨料形状 | 充填料浆腐蚀性 | 管道材料 |
---|---|---|---|
Ⅰ | 圆形或椭圆形 | 中性并且不含有能与充填管道发生反应的成分 | 双金属耐磨复合管 |
Ⅱ | 方形 | 特定条件下pH值发生变化与充填管道发生反应 | 钢塑复合管 |
Ⅲ | 多棱角形 | 弱酸、弱碱以及一系列能与充填管道发生轻微反应的成分 | 陶瓷复合管 |
Ⅳ | 极不规则 | 强酸、强碱或一系列容易与充填管道发生反应的成分 | 单一复合材料 |
3 工程实例
表3 矿山充填管道磨损影响指标调查数据
Table 3
矿山名称 | I1 | I2 | I3 | I4 | I5 | I6 | I7 | I8 | I9 | I10 | I11 | I12 |
---|---|---|---|---|---|---|---|---|---|---|---|---|
金川龙首矿 | 56 | 1.98 | 38 | 199 | 2.72 | 300 | 3.2 | 1.3 | 8 | 1 | 2 | 2 |
大红山铜矿 | 33 | 1.69 | 42 | 160 | 0.98 | 500 | 9.6 | 3.0 | 7 | 3 | 3 | 2 |
河东金矿 | 24 | 1.68 | 52 | 82 | 0.56 | 100 | 5.2 | 1.6 | 10 | 3 | 2 | 3 |
新城金矿 | 52 | 1.94 | 33 | 107 | 1.27 | 200 | 5.8 | 3.5 | 6 | 4 | 3 | 1 |
3.1 数据主成分分析
表4 主成分因子载荷及影响力指数
Table 4
主成分 | I1 | I2 | I3 | I4 | I5 | I6 | I7 | I8 | I9 | I10 | I11 | I12 |
---|---|---|---|---|---|---|---|---|---|---|---|---|
Z1 | -0.65 | -0.18 | 0.229 | -0.39 | -0.46 | 0.551 | 0.717 | 0.202 | 0.234 | 0.375 | 0.093 | 0.262 |
Z2 | -0.14 | 0.84 | 0.224 | 0.411 | 0.237 | 0.206 | 0.791 | 0.437 | -0.23 | -0.39 | -0.10 | 0.137 |
Z3 | 0.54 | -0.01 | 0.371 | 0.646 | 0.226 | 0.085 | 0.097 | 0.301 | 0.138 | 0.599 | 0.435 | 0.239 |
Bi | 42.06 | 27.75 | 37.44 | 35.75 | 34.61 | 39.77 | 38.14 | 30.47 | 37.89 | 36.71 | 27.60 | 33.71 |
由表4可知,充填料浆密度、充填料浆腐蚀性和料浆流速与临界流速之比这3个指标在各主成分中所占的比值较小,对充填管道稳定性的影响也相对较小。再结合各指标的影响力指数
3.2 有序多分类Logistic回归参数计算及模型检验
表5 管道磨损风险Logistic回归模型
Table 5
变量 | 回归系数 | 标准误差 | 显著性水平 |
---|---|---|---|
I1 | 0.3507 | 0.3108 | 0.1128 |
I3 | 0.0372 | 0.1826 | 0.3972 |
I4 | -0.1055 | 0.2686 | 0.0293 |
I5 | -0.0469 | 0.1782 | 0.2833 |
I6 | 0.2416 | 0.1306 | 0.0633 |
I7 | 0.2817 | 0.1026 | 0.0375 |
I8 | 0.0983 | 0.1772 | 0.3985 |
I9 | 0.2478 | 0.1812 | 0.1755 |
I10 | -0.2928 | 0.1428 | 0.0427 |
I12 | 0.2793 | 0.1642 | 0.0694 |
β | 1.7855 | 0.7634 | 0.0259 |
将金川龙首矿、大红山铜矿、河东金矿和新城金矿4个矿山的调查数据代入风险评估模型进行计算,对数据结果进行归一化处理,得到4个矿山管道磨损性概率等级,见表6。
表6 4个矿山管道磨损风险等级概率
Table 6
矿山名称 | 各风险等级概率 | |||
---|---|---|---|---|
Ⅰ | Ⅱ | Ⅲ | Ⅳ | |
金川龙首矿 | 0.247 | 0.440 | 0.154 | 0.153 |
大红山铜矿 | 0.179 | 0.240 | 0.323 | 0.258 |
河东金矿 | 0.181 | 0.227 | 0.345 | 0.247 |
新城金矿 | 0.170 | 0.230 | 0.418 | 0.182 |
由上述概率分布可知,金川龙首矿的充填管道磨损风险等级主要为Ⅱ,充填管道较易磨损。大红山铜矿、河东金矿和新城金矿的磨损风险等级主要为Ⅲ,充填管道容易磨损。
表7 不同模型风险评估结果比较
Table 7
矿山名称 | 综合风险等级 | ||
---|---|---|---|
基于改进PCA与多分类Logistic回归 | 主客观组合权重与可变模糊模型 | 未确知测度综合评价模型 | |
金川龙首矿 | Ⅱ | Ⅱ | Ⅱ |
大红山铜矿 | Ⅲ | Ⅲ | Ⅲ |
河东金矿 | Ⅲ | Ⅲ | Ⅲ |
新城金矿 | Ⅲ | Ⅲ | Ⅲ |
由表7可知,本文评估模型对4个矿山的管道磨损风险评估等级与其他2种评估体系所得结果一致,且本文模型准确预测了风险发生的概率,表明该模型的建立是科学、合理的。
在生产过程中,应根据矿山的实际经济技术水平来制定降低充填管道磨损风险的具体措施。例如,对于产量大、效益高的矿山来说,通过改进PCA分析和有序多分类Logistic计算得到该矿山充填管道Ⅱ级磨损风险等级概率最大,但其Ⅲ级磨损风险等级概率也较大。此时,为了保障安全生产应将矿山的管道维护等级调整为Ⅲ级,以应对突发状况。对于小型矿山来说,若其Ⅰ级磨损风险等级概率最大,Ⅱ级磨损风险等级概率较小,结合安全水平和经济状况,认为此时矿山仅需要保持Ⅰ级的管道维护等级。
4 结论
(1)将改进PCA与有序多分类Logistic回归相结合,构建充填管道磨损风险评价模型,应用该模型筛除了影响指数较小、关联性较弱的指标,并预测了不同磨损风险等级发生的概率。
(2)选取充填料浆体积分数和充填倍线等12项指标建立充填管道磨损评估模型。用改进PCA算法筛除了充填料浆密度和充填料浆腐蚀性这2项影响指数小、关联性弱的指标。最终确定出金川龙首矿、大红山铜矿、新城金矿和河东金矿4个矿山充填管道磨损风险等级的准确概率,该评估结果与可变模糊耦合模型、未确知测度理论算法所得结果一致。
(3)基于改进PCA和有序多分类Logistic的充填管道磨损风险评估模型具有较高的精确度。不仅指明了各个指标的影响程度,而且预测了充填管道磨损风险等级概率,对类似矿山避免充填管道失效事故具有积极意义。
参考文献
Effect of anionic polyacrylamide on the structural stability of thickened tailings slurry in pipeline transportation
[J].
Optimization of clay material mixture ratio and filling process in gypsum mine goaf
[J].
硬岩矿山充填开采现状评述与探索
[J].
Review and exploration of current situation of backfill mining in hard rock mines
[J].
Underground mine backfilling in Australia using paste fills and hydraulic fills
[J].
某金矿充填系统优化改造
[J].
Optimization of filling system for a gold mine
[J].
A review on utilisation of coal mine overburden dump waste as underground mine filling material:A sustainable approach of mining
[J].
充填钻孔内管道磨损的影响因素及保护措施
[J].
Influencing factors on the abrasion of pipelines in backfill drilling and protective measures
[J].
充填管道磨损形式及机理分析研究
[J].
A study of the abrasion form and mechanism of backfilling pipelines
[J].
深井充填钻孔内管道磨损机理及成因分析
[J].
Wear mechanism and causes of backfilling drill-holes pipelines in deep mine
[J].
充填料浆自流输送管道磨损机理研究
[J].
Study on wear mechanism of gravity transportation pipeline for backfilling slurry
[J].
膏体充填管道磨损机理分析
[J].
Analysis on wear mechanism of backfill paste
[J].
充填管道磨损风险评估的组合权重与可变模糊耦合模型
[J].
An integrated model of combination weights and variable fuzzy on evaluating backfill pipeline wear risk
[J].
某金矿充填系统优化改造
[J].
Optimization of filling system for a gold mine
[J].
循环载荷下胶结充填体损伤声发射表征
[J].
Acoustic emission characterization of damage of cemented filling under cyclic loading
[J].
PCA和KICA特征提取的的变压器故障诊断模型
[J].
Transfomer fault diagnosis model based on PCA and KICA feature extraction
[J].
基于PCA-PDBNs的故障检测与自学习辨识
[J].
Fault detection and self-learning identification based on PCA-PDBNs
[J].
基于有序Logistic回归的城市人行道服务水平研究
[J].
Pedestrian LOS of urban sidewalks based on orderly Logistic regression
[J].
基于有序Logistic模型的企业供应链融资模型融资风险预警研究
[J].
Research on early warning of financing risk of enterprise supply chain financing model based on ordered Logistic model
[J].
基于有序Logistic回归的农村院落建设影响因素研究
[J].
Factors influencing rural courtyard construction based on ordinal Logistic regression
[J].
充填管道系统失效模式与影响分析(FMEA)及失效影响模糊评估
[J].
FMEA analysis of backfilling pipeline system and fuzzy evaluation of failure effects
[J].
/
〈 |
|
〉 |
