3.1.2 小波神经网络（WNN）

        WNN是在BPNN的结构基础上结合小波基函数（Morlet），将小波变换与ANN的强鲁棒性相结合，基于多分辨率和时频局部性功能，使模型局部极值出现的概率降到最低，实现较好的容错和逼近能力。WNN也与智能算法相结合，对模型中的未知参数进行优化来进一步降低陷入极值的概率和提高预测的精度。

        陈柚州等选取地铁隧道XXX里程XX期数据进行分析，将前43期数据作为学习数据，后11期数据作为预测数据，建立人工蜂群算法（ABC）+WNN地铁隧道地表沉降预测模型，ABC参数设定如下：食物源数量设为20，食物源最大循环次数为50，终止循环次数设为50。利用MATLAB建立人工蜂群小波神经网络模型并进行预测，模型最大相对误差≤2.5×10^-5。

        郑俊褒等建立混合蛙跳算法（SFLA）+WNN 模型对短时交通流进行预测，通过导入交通流数据集并对其进行预处理，利用Mapmin-max 函数对数据集进行归一化处理，采用模型+算法相结合对参数进行初始化，并通过交叉分组法计算评价指标，最终得出预测结果。

3.1.3  径向神经网络（RBFNN）

        RBFNN相对于BPNN计算过程简单、时间较短、无反向计算。陈翀等选取含水率、HCO₃^-含量、Cl^-含量、SO₄^2-含量、氧化还原电位、pH值、土壤电阻率等检测参数作为输入变量，获得87组样本数据，其中60组作为训练样本，建立主成分分析法（PCA）+RBFNN埋地管道腐蚀速率预测模型，剩下27组作为测试样本，并同时建立多元线性回归（MLR）、反向传播神经网络（BPNN）进行对比，结果表明采用RBFNN预测精度较高，平均相对误差由14.33%减少到9.27%。

        此外，在RBFNN网络结构上改造引出的广义回归神经网络（GRNN），对于小样本预测效果较好。但目前GRNN中光滑因子参数主要采用手工调整方法来选取，精度差、效率低。为获取最优GRNN预测模型，需引入粒子群（PSO）算法等优化参数。

        骆正山等提出了粗糙集（RS）算法+粒子群（PSO）算法+GRNN来建立土壤腐蚀预测模型，例如选取中俄埋地管道中10项主要土壤腐蚀评价指标（含水量、含盐量、pH值、电位梯度、氧化还原电位、管道电位、杂散电位、电阻率、硫酸根含量及氯离子含量等），将年均腐蚀壁厚作为评价目标，构建土壤腐蚀指标体系，并获取相关监测数据。依据RS属性约简原理，在MATLAB平台上编程，分析结果可得到影响管道腐蚀的主要土壤因素。由约简指标得到35组核心指标数据集，任意抽取25组作为训练集带入  RS+PSO+GRNN模型进行训练，其余10组作为测试集。结果得出该模型的腐蚀等级预测正确率≥90%，较好地评估管道腐蚀等级，评价结果也更为可靠。

3.1.4 人工神经网络技术对比

        综上所述，从特点及缺点2个方面将4种ANN进行对比分析，见表2。

3.2 分布式光纤定位技术

        光纤传感技术是以光波为载体，光纤为媒介，利用光纤光栅响应周围环境以获得光散射信号的变化，进而准确定位信号突变部位的一种监测技术。在光纤传感系统中，光源为光纤传感器提供载波，光源发出的光在光纤中进行传输，由于光纤本身存在的非线性效应，在光传输的光纤路径上产生背向散射光，在光纤的某位置处，光纤受到外界物理因素（温度、应变、振动等）的影响，内部的背向散射光波参数（光强、波长、相位等）被调制，成为被调制的光信号，通过光探测器检测出被调制的光波参数，从而获得被测的外界物理量。该技术在长输油气管道等工程中已有应用。

        当CO₂管道输送过程发生局部泄漏时，释放的高压CO₂对局部环境产生温降、振动等多重作用，会在光纤传感信号中得以体现。与油气长输管道相比，CO₂泄漏导致的温度场分布变化更为明显，沿管道外壁铺设的分布式光纤温度传感器可以连续监测温度的变化，当温度变化超过阈值范围时，可判断管道发生了泄漏，有利于泄漏点的精准定位。此外，利用分布式光纤传感技术，通过设置相应的阈值信号，可判断出管道内游离水、段塞流、水合物等的发生部位，进而获得管道外壁的热流、微振动等信号，为现场管理及安全预警提供可靠依据。

3.3　特征波谱定位技术

        当CO₂管道发生泄漏时，泄漏点处的CO₂流体在管道内外压差作用下形成湍流并产生泄漏声。泄漏声信号是由流体激发的连续信号，包含泄漏孔径大小、破损形状以及位置等泄漏特征信息。根据声波的性质不同，泄漏声波监测方法主要分为超声波法与次声波法。

        超声波法是指通过定位寻找泄漏声波中超声波强度最大的点，泄漏监测过程中需安装一定数量的传感器以防止信号衰减；该方法虽然灵敏度较高，但仅应用于短距离的泄漏定位监测。

        次声波法指结合波速与次生波信号到达首末两端传感器的时间差计算泄漏点的位置，由于次声波波长较长，频率较低，环境噪声会对其产生影响，但衰减较慢，因此，主要应用于长距离的泄漏定位监测。

        除声波法之外，负压波法也是管道泄漏监测与定位的常用方法。当管道发生泄漏时，介质由于管内外压差作用迅速向外喷出，泄漏处瞬间产生压降的压力波动称为负压波。结合负压波的波速与通过管道首末两端传感器时间差计算泄漏点位置。但负压波由于压力波动现象较易产生错报情况，此外，对于管输过程中的微小泄漏状况不易监测到（表3）。