近年来,互联网和信息化产业得到了快速发展,各行各业都在不断和互联网技术相结合。随着低温储运技术的发展,低温绝热气瓶的使用量显现出了逐年增加的趋势。但低温绝热气瓶的高使用量和国内检验站的低检验效率产生了矛盾,传统的检验站气瓶信息传递方式显得低效和缓慢,严重影响了检验效率。本文结合某省特种设备检验中心的实际需求,使用Web、云服务器、数据库和机器学习等技术,设计了低温绝热气瓶智能化检验系统,并对气瓶静态蒸发率检验过程中的优化问题进行了研究。本文首先调研气瓶检验站中信息传递方式和信息管理现状,明确了检验系统开发的意义和目的,分析了国内气瓶检验行业管理的现状。结合工程应用实例,对基于Web的低温绝热气瓶智能化检验系统的功能需求、可行性和系统整体架构设计方案进行了分析;接着,分别设计了用户信息管理模块、基础信息采集子系统、内外部检验子系统和安全附件检验子系统的具体功能,并设计了各个子系统的数据库;最后,完成了低温绝热气瓶智能化检验系统的设计和实现,并详细阐述了各个子模块的实现界面和后台管理部分的设计过程。设计的基本功能包括查询、增添、删除和修改气瓶信息,在完成总体功能的网络化后,该系统作为检验系统基本实现了气瓶信息系统越过电子化阶段,实现了从纸质化阶段到信息化阶段的转变。为了达到缩短检验时间、提高检验效率的目的,本文以现场采集的气瓶数据为研究对象,采用BP神经网络和长短时记忆神经网络模型,利用随机梯度下降作为有导师学习的训练方法对气瓶静态蒸发率进行预测。在构建了 BP神经网络和长短时记忆神经网络后,使用现场采集的气瓶数据作为训练数据,预测了未来气瓶重量变化的趋势,并将长短时记忆神经网络模型预测得到的结果和基于自适应学习率BP网络模型预测结果进行分析。结果表明,基于自适应学习率的BP网络在进行短期预测时具有一定的可行性,基于长短时记忆神经网络模型在进行短期和长期预测时均有着很好的效果。