qy千亿球友会青年教师常英杰在能源领域顶级期刊《Energy》上发表了题为《Prediction of the severe slugging period in gas-liquid two-phase pipeline-riser systems using an artificial neural network》的研究论文。常英杰为第一作者，qy千亿球友会为第一署名单位。

严重段塞流是海洋油气输送过程中一种非常有害的流型，其周期性行为对工程系统的安全与效率具有重要影响。准确预测严重段塞流周期，不仅有助于理解多相流型转变机制，更为油气田开发中的管道设计与运行调控提供关键支撑。现有严重段塞流周期预测方法受限于管道结构和流动参数的特定组合，存在适用范围窄、误差大的问题。针对此问题，本文开展了基于人工神经网络（ANN）的严重段塞流周期准确预测研究。首先开展了大规模气液两相流实验，结合已有文献数据，构建了较为完备的训练数据集。通过散度矩阵与相关系数分析，确定了影响严重段塞流周期的关键参数，并据此构建具有多层感知器结构的ANN神经网络模型。最终提出的ANN预测模型具有更好的预测精度与适用性，能够为复杂油气集输管道中严重段塞流行为的精准预测提供有效帮助，相关研究有望推动油气集输流动安全保障的智能化研究与应用。

不同的严重段塞流周期预测方法对数据集的预测效果对比图

《Energy》是能源工程领域的国际权威期刊，由Elsevier出版社于1976年创刊，最新影响因子为9.4，持续位列中科院工程技术一区TOP期刊。期刊聚焦能源科学与技术的多学科交叉研究，涵盖能源建模与预测、能源系统优化、可再生能源集成、热力学与传热、能源政策与管理等前沿方向，是能源领域研究成果传播的核心平台。

论文信息：Chang Y, Xu Q, Huang B, Zhang X, Yu H, Chen H, Thévenin D, Guo L. Prediction of the severe slugging period in gas-liquid two-phase pipeline-riser systems using an artificial neural network [J], Energy, 2025, 331: 137026.

论文链接：

https://doi.org/10.1016/j.energy.2025.137026

（供图供稿：常英杰 审核：耿莉敏 倪凤英 网络编辑：韩啸）