基于KPCA-BAS-GRNN的埋地管道外腐蚀速率预测

• 作者: 姚梦月 王小完 骆正山 骆济豪
• 来源期刊: 表面技术
• 学科: 工学
• 关键词: 埋地管道 外腐蚀速率预测模型 核主成分分析法(KPCA) 天牛须搜索算法(BAS) 广义回归神经网络(GRNN)
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 表面失效及防护
• 页码范围: 173-180
• 页数: 8页
• 分类号: TG172
• 语种: 中文
• DOI: 10.16490/j.cnki.issn.1001-3660.2018.11.025

摘要

目的 提高埋地管道外腐蚀速率的预测精度.方法 建立基于核主成分分析法(KPCA)和天牛须搜索(BAS)算法优化的广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道外腐蚀的主要因素,应用GRNN建立埋地管道外腐蚀速率预测的数学模型,并采用BAS算法对模型进行优化,减小了人为设置参数的影响.以川气东送埋地管段为例,分析选取出12种关键影响因素,建立了埋地管道外腐蚀指标体系,借助MATLAB-R2014a编写程序进行仿真,并与实际值进行对比.结果 模型的预测结果与实际值基本一致,KPCA可有效降低指标体系的维度,提取出包含原始信息97.9％的3个主因素—土壤电阻率、氧化还原电位、氯离子含量,简化了运算过程.采用的BAS-GRNN模型将预测精度提高到7.83％以内,平均相对误差5.21％,决定系数取值0.93.与其他模型相比,该模型性能较好,预测精度更高.结论 采用KPCA提取的主要影响因素符合工程实际,建立的BAS-GRNN模型预测精度高,有较好的适应性,为埋地管道外腐蚀速率预测提供了新思路,对管道的维护更新工作提供了参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	骆正山	西安建筑科技大学管理学院	79	457	11.0	18.0
2	王小完	西安建筑科技大学管理学院	38	279	11.0	15.0
3	骆济豪		5	13	2.0	3.0
4	姚梦月	西安建筑科技大学管理学院	3	6	1.0	2.0