联系人：黄总
手机：17868797362
电话：029-33378638
网址：http://www.sxmzys.com
邮箱：mingzeranqi18@163.com
地址：陕西省咸阳市秦都区马庄镇经三路天山产业孵化园
产学研创新结硕果｜热烈祝贺我司总经理韩洁联合西安石油大学等多方团队，CAR-GAN管道积液预测成果刊发国际SCI期刊
2026-08-14 来自: 陕西铭泽易昇能源技术有限公司
热烈祝贺我公司总经理韩洁，联合西安石油大学、西安文理学院、中石油长庆油田第一采气厂完成的重磅学术论文《基于类别感知回归生成对抗网络（CAR-GAN）的油气管道积液预测方法》，正式在线发表于 SCIE 收录国际石油工程学术期刊《Petroleum Science and Technology》。
《以上为论文相关截图》
· 研究聚焦 ·
✍丘陵山区油气集输管线大量存在 V 型低洼管段，气液两相流动形态复杂，极易产生管道积液。积液会造成管线堵塞、内壁局部腐蚀、段塞流冲击设备，大幅降低输气效率，严重威胁场站安全生产。
✍传统机理公式、常规机器学习、商用 OLGA 仿真软件存在明显短板：多流型特征互相干扰、边界工况预测误差大、批量仿真计算效率低，无积液工况频繁误判，带来大量无效清管作业与停产风险。
✍本课题创新提出类别感知回归生成对抗网络（CAR-GAN），实现气液流型自动分类识别 + 临界携液速度回归预测一体化建模，解决多流型共存工况下积液精准预测难题。
· 核心研究亮点 ·
《以上为论文相关截图》
1. 独创多分支类别感知网络架构，消除流型特征干扰
针对分层流、波浪流、段塞流、柱塞流、环状流、过渡未知流 6 类两相流，搭建独立网络分支，配套专属判别器 D 与回归器 R；增设分选器 T 完成工况预分流，判别器与回归器共享浅层物理特征，有效缓解小样本训练过拟合，彻底解决不同流型特征耦合干扰的行业痛点。
2. 优化 Wasserstein 对抗损失，实现稳定高效训练
摒弃传统 GAN 易梯度消失的 JS 散度损失，采用带梯度惩罚的 Wasserstein 损失函数，模型可稳定迭代 6500 轮达到纳什均衡；搭配基于 PCA 特征权重的 WMSE 加权损失，放大管道倾角、气液表观流速、管径等核心工况参数影响，保障生成样本符合两相流真实物理规律。
3. 均衡数据集构建，兼顾通用性与工程真实性
采用国际公认 Pereyra 两相流标准数据库，6 类流型各均衡采样 200 组，总计 1200 组平衡样本；以 9 项管道运行参数为输入，依托 OLGA 仿真输出临界携液速度作为预测标签，覆盖 - 90°~90° 管道倾角、20~100mm 管径，适配全地形集输管线工况。
4. 性能全面碾压传统模型，预测误判近乎清零
课题同步对比 5 类机器学习、2 套行业经典机理模型，四大核心指标断层领先：
CAR-GAN 平均 MAE 仅 0.0270，决定系数 R² 高达 0.943；
全测试集仅 1 组无积液工况误判，相比传统模型误判率下降 96%；
t-SNE 特征降维可视化可清晰区分各类流型样本，对流型过渡模糊边界工况适配能力极强。
《以上为论文相关截图》
为检验模型工业实用价值，团队赴长庆油田采集 163 组现场管线生产数据，筛选覆盖全部 6 类流型的 50 组典型工况开展实地验证：
✍传统机理模型仅单一流型工况表现稳定，段塞、环状、过渡流预测偏差显著上升；
✍CAR-GAN 在全流型、起伏地形、高低流速工况下预测精度保持稳定，全场仅 2 组工况状态误判，绝大多数预测结果落在 30% 安全误差区间；
✍模型兼容场站 9 项常规实时监测参数，可快速输出临界携液流速，为清管周期优化、管线运行参数动态调节提供量化智能依据。
《以上为论文相关截图》
·结语 ·
在数字化、智能化油气开采转型大背景下，基于深度学习的多相流智能预测，正在逐步替代传统机理公式、重复仿真模式。本次 CAR-GAN 模型突破多流型特征耦合难题，兼顾预测精度、边界工况稳定性与工程落地可行性，为丘陵、山地油气田起伏集输管线积液智能预警开辟全新路径。你们所在气田管线是否长期受起伏段积液、段塞流冲击困扰？传统仿真与机器学习预测都遇到过哪些误判难题？欢迎评论区交流管线运维痛点！
· 关于《石油科学与技术》期刊 ·
《Petroleum Science and Technology》（《石油科学与技术》）由国际出版商 Taylor & Francis 出版，是 SCIE 数据库收录的国际学术期刊。期刊聚焦油气开发、油气集输、气液多相流动、油气加工、能源环保等方向，刊发石油工程相关基础理论与工程应用原创研究，面向全球油气行业科研工作者与工程技术人员，是油气工程领域国际学术交流的重要载体。