编辑推荐：
长距离天然气管道在腐蚀与地震耦合作用下的性能演变预测面临空间时间多尺度非线性挑战。本研究提出KPCA-IQPSO-NNE框架，通过耦合随机腐蚀形态的时空地震模型生成多维数据集，采用核主成分分析降维，改进量子粒子群优化训练神经网络集合，建立面向结构完整性的性能演化预测体系。实验表明该模型能有效揭示腐蚀形态、土壤类型与管壁厚度比(D/wt)对结构响应的协同影响机制。
王一寰|李玉倩|焦宇|秦国金
中国四川省成都市西南石油大学土木工程与地理信息学院，610500
摘要
长距离天然气管道（LDNGPs）面临腐蚀和地震的双重危害。这两种因素的协同作用在多个时空尺度上引入了显著的随机性和非线性，使得结构损伤行为变得复杂，从而增加了性能预测的难度。本研究开发了一种基于物理模型的数据驱动机器学习模型，用于预测LDNGPs在腐蚀和地震作用下的时空演变过程。该模型结合了随机腐蚀形态的时空地震模型，生成了多维的腐蚀LDNGPs数据集。模型通过自适应动态加权策略整合了广义回归神经网络（GRNN）和径向基函数神经网络（RBFNN），以捕捉非线性性能演变。核主成分分析（KPCA）用于降维处理。改进的量子粒子群优化（IQPSO）算法用于优化神经网络集合（NNEs）的训练，并构建了以完整性为导向的性能演变框架。研究结果表明，D/wt值、腐蚀形态和土壤类型对结构随机响应有显著影响。所提出的KPCA-IQPSO-NNE框架为LDNGPs在腐蚀和地震双重作用下的完整性导向性能演变提供了一种可靠的方法。
引言
长距离天然气管道（LDNGPs）是支撑全球能源安全和经济发展的关键能源基础设施[1]。管道的可靠性和系统安全性至关重要。事故可能导致环境污染、能源损失甚至人员伤亡[2]。地震活动和腐蚀引起的材料退化对LDNGPs的结构完整性构成严重威胁[3]。地震事件会施加突然的高强度动态载荷，导致管道发生屈曲、泄漏或爆裂等结构损坏。腐蚀会逐渐减薄管壁厚度，在长期使用过程中降低其承载能力[4]。地震循环载荷会加速腐蚀区域的裂纹形成和扩展，从而形成一种结构脆弱性远超各因素累积效应的退化循环[5,6]。了解管道在这种多重灾害作用下的性能演变情况，对于确保地震活跃地区的能源基础设施安全具有紧迫的科学意义。
准确评估腐蚀对管道的影响需要考虑空间变异性和时间波动的不确定性，以及沿轴向、周向和径向的随机生长[7,8]。近期研究在腐蚀建模方面取得了显著进展。张等人[9]开发了基于激光扫描的等效建模方法，能够高空间分辨率地捕捉局部腐蚀区域的几何特征。鲍等人[10]利用随机场理论描述了埋地管道的外部腐蚀形态，成功表征了缺陷分布的空间相关结构。张等人[11]建立了有限元（FE）模型，研究外部腐蚀缺陷对管道的机电化学效应。然而，这些现有模型存在根本性局限：它们将缺陷视为具有理想化形状的准静态特征，忽略了其在运行条件下的动态生长特性[12],[13],[14]。更重要的是，现有模型尚未充分考虑地震期间典型循环载荷条件下的腐蚀演变过程。这种缺陷使得在腐蚀和地震耦合条件下准确评估管道完整性变得困难。
与传统“点”结构相比，由于长跨度线性配置，LDNGPs在地震作用下表现出明显的时空特性[15]。地震波沿管道轴线传播时，地面运动的空间变化会导致不同位置受到不同强度、频率成分和到达时间的非均匀激励[16]。近期研究取得了重要进展。戴等人[17]开发了考虑相干性损失效应和波传播延迟的多支撑激励模型，适用于长距离管道系统。苏等人[18]提出了生成线性结构上空间相关非平稳地面运动的谱表示方法。韩等人[19]比较了非均匀和均匀地震激励下的管道响应，发现非均匀条件下的地表监测点位移时间历史存在显著差异。尽管有这些进展，现有研究主要分别处理时间非平稳性和空间变异性，未能将这两个维度整合到一个统一的分析框架中[20]。管道与土壤之间的相互作用进一步加剧了非线性和空间变异性[21]。现有的地震模型与管道-土壤相互作用模型的耦合程度较低，难以捕捉整个管道沿线地震损伤的连续时空演变过程。因此，现有地震响应模型无法充分描述LDNGPs在现实多点激励条件下的性能演变。
腐蚀与地震作用之间的相互作用日益受到关注，因为这可能导致灾难性的系统故障[22]。杨等人[23]提出了一个基于流动结构的框架，用于识别天然气管道系统的韧性本质，强调在评估耦合灾害情景时需要结合功能和经济视角。埃布努瓦等人[24]使用蒙特卡洛模拟（MCS）表明，腐蚀和地震的联合危害显著增加了管道的失效概率。李等人[25]通过时间历史分析研究了管道规格和土壤属性的影响，发现腐蚀会改变自然频率和模态形状。然而，这些数据驱动方法虽然提高了计算效率，但仍存在局限性[26]。大多数现有模型将腐蚀和地震载荷分开处理，缺乏捕捉它们耦合效应的集成框架，因此未能完全揭示潜在的损伤机制和退化物理过程。LDNGPs中腐蚀引起的性能退化与全球地震响应之间的联系尚未被纳入一个物理可解释的预测框架中。解析解在单一确定性情况下效率较高，但在不确定性量化和可靠性分析中因需要高维参数的大规模MCS而变得代价高昂。
本研究构建了一个综合框架，用于研究LDNGPs在腐蚀-地震耦合作用下的性能演变过程。主要解决了三个关键问题：（1）如何建立局部腐蚀退化与全局地震响应之间的明确关系？（2）如何将腐蚀和地震激励的空间变异性整合到一个统一的分析框架中？（3）如何开发一个计算效率高且物理可解释的预测模型？主要贡献有三个方面：提出了一个时空地震模型，将随机腐蚀形态与多点地面运动变异性明确耦合；结合KPCA降维和IQPSO优化的神经网络集合，提高了效率同时保持了可解释性；构建了一个以完整性为导向的性能演变框架，用于量化腐蚀-地震耦合下的协同劣化效应。与传统经验模型（如ASME B31G和DNV-RP-F101，它们假设腐蚀均匀和载荷静态）或传统机器学习模型（如BPNN和SVR，可能存在局部最优解）不同，所提出的KPCA-IQPSO-INN框架通过基于核的特征提取、混合神经网络架构和改进的全局优化方法，捕捉了非线性腐蚀-地震相互作用。
本文结构如下：第2节开发了一个考虑腐蚀-地震耦合振动的时空模型；第3节提出了一种基于物理模型的数据驱动机器学习方法，用于预测LDNGPs的性能演变；第4节进行了数值案例分析和参数敏感性分析；第5节总结了主要结论。
章节摘录
腐蚀-地震作用下结构的时空振动特性
本研究提出了一个以完整性为导向的性能演变框架，用于预测腐蚀LDNGPs在时空地震作用下的性能演变（图1），包括以下步骤：
步骤1：开发时空维度地震数据集。使用等效截面方法开发随机腐蚀形态模型。从功率谱生成多点非平稳地面运动时间历史。
多源数据预处理和降维
机器学习为近似由物理控制方程定义的复杂非线性映射提供了有效的替代方案。KPCA用于降维，IQPSO用于优化，解决了高维随机空间中的学习稳定性、收敛效率和鲁棒性问题。这种方法促进了从启发式拟合到基于物理的系统表示和可扩展不确定性传播的转变。参数描述
本研究考察了LDNGPs性能在腐蚀和地震时空作用下的演变情况。选择了低等级、中等等级和高等级钢材进行对比分析。几何参数和材料参数见表1。数值案例的参数值见表2。定义了三种典型土壤条件，以研究土壤类型对LDNGPs地震响应的影响，见表3。受腐蚀影响的LDNGPs的位移（Y）
结论与未来工作
本研究开发了一种基于物理模型的数据驱动机器学习模型，用于LDNGPs，考虑了腐蚀和地震之间的时空耦合效应。在LDNGP服务环境的时空耦合振动模型中嵌入了对随机腐蚀形态的物理分析，以识别多个时间和空间维度上退化结构随机振动的不确定性和随机性。基于KPCA的NNE预测模型结合了IQPSO，
CRediT作者贡献声明
王一寰：撰写 – 审稿与编辑、验证、资源管理、概念构思。李玉倩：撰写 – 原始草稿、可视化、验证、方法论、数据管理。焦宇：监督、正式分析。秦国金：撰写 – 审稿与编辑、监督、方法论、概念构思。
