管道完整性大数据架构模型及辅助决策分析模型研究与应用
项目编号 2017-0180552-WOPC-0000954
本服务项目已按要求履行了相关报批及备案等手续，资金已落实，具备招标条件，现对其进行公开招标 。
二. 概况与招标范围
本服务项目已按要求履行了相关报批等手续，资金已落实，具备招标条件，现对其进行公开招标。
招标范围为：（1）研究竣工资料评判技术手段与评判标准，实现竣工资料中坐标、管节、焊缝等关键信息自动评判；优化整合完整性评价数据，提出管道完整性大数据综合分析技术方法。 （2）管道大数据架构模型研究。研究确定管道完整性大数据架构模型，形成统一、合理的数据基准，建立公司管道完整性大数据分析决策技术体系。对前期缺失数据恢复方法提出解决方案。 （3）研究建立管道完整性大数据模型及管道完整性大数据库。使用相识度模型、朴素贝叶斯模型、回归模型等工具建立管道完整性大数据模型，充分利用管道GIS基础数据库以及建设期数据、管道运营管理数据、内外检测数据、阴极保护数据、地质灾害监测数据，建立四维一体的数据结构，并且依据焊缝异常大数据分析、地质灾害数据库分析、内检测数据分析、腐蚀球聚类分析以及SRM大数据分析技术，形成管道完整性大数据库。管道完整性大数据模型覆盖管道建设、运营管理、内外检测及管道地理信息等主要业务，模型业务覆盖率100%。 （4）制定管道完整性大数据分析系统配置方案。重点是研究Hadoop技术，通过部署组件Hadoop集群、Hive数据仓库、Hadoop数据接口和顶级接收中间件为基础，实现配置管理，数据汇总，突出部署实现MySQL集群以进行数据的汇总和分析展示等功能。 （5）管道环焊缝无损检测探伤数据分析研究。利用现代投影或扫描技术，实现焊缝底片在5.0D黑度下的扫描，并实现基于中心线的对齐入库，研究建立内检测数据与建设期焊缝无损检测电子底片数据对应关系，并对异常焊缝的风险进行分析排序。利用图像处理与模式识别技术建立焊缝缺陷与标准焊缝的区分模型，建立焊缝缺陷数据图谱图像库，建立支持向量机（SVM）模型、神经网络或最小二乘法图像大数据模型，对建设期射线检测底片数据缺陷进行识别，对如裂纹、未焊透、未熔合、气孔、夹渣等不同焊缝缺陷，分别构建不同算法，结合大数据图像挖掘技术，对已经完成数字化的管道环焊缝射线探伤数据进行分析评价。 （6）管道完整性辅助决策分析模型研究。利用大数据技术，建立建设期数据质量评估，将采集数据以中心线数据为依据重新梳理对齐，同时通过逻辑关系模型评估数据质量；开展管道内检测数据质量评估，研究建立马尔可夫模型判断数据缺省值以此评估内检测数据质量；研究特殊焊缝开挖检测大数据分析计划优化技术，通过焊缝损伤检测确定开挖位置；研究基于管道内检测缺陷计划优化方法，通过相关性分析建立管道缺陷预测模型，优化内检测计划，基于外检测数据的相关性分析，建立管道防腐、补口修复计划优化机制；研究基于风险重要度的管道本体缺陷修复计划优化；通过建立基于数据远传的地质灾害监测系统，研究建立基于灾害风险分析的地灾风险控制方案优化方法，辅助管道巡护方案决策；建立基于gis系统的应急抢修决策支持方案，一键式输出应急决策支持大数据方案作为辅助支持。管道完整性大数据辅助决策模型相关性应用现场验证准确率需达到90%。 （7）基于业务数据的管道完整性管理决策系统可行性研究。依据数据优化整合成果及辅助决策分析模型研究成果，结合现有PIS系统、阴极保护系统、地质灾害监测系统和管道巡检系统管理现状及集成整合需求，综合分析在PIS系统基础上集成整合和新建管道完整性管理平台两种整合方式的优缺点，提出基于业务数据的管道完整性管理决策系统可行性研究报告。
招标文件发售开始时间:2017年02月06日 10时00分00秒
