停输操作在福建成品油管道运行管理中时常发生,停输再启动过程中管内压力变化剧烈。当管内压力下降时,现场人员经常误以为发生泄漏等异常事故,需巡检排查,增加了现场的管理难度。为了提高现场管理水平,从机理模型分析了管道停输时段压力变化的影响因素,并基于出站油温、压力等检测数据,同时考虑环境温度的变化,建立基于机器学习算法的压力预测模型,监测管内压力变化情况。以泉港南线和黄塘溪东出站点为例,以RMSE、MAE、R2为指标,对比了LR、SVM、DT、RF、GB这5种回归预测模型。结果表明:DT、RF、GB模型适用于福建成品油管道停输的管内压力变化分析,而RF准确度最高。建立预测模型后,利用天气预报的气温数据,可以预测未来时段管内压力的变化趋势,当预测值与检测值差别较大时,实现报警功能。