基于KPCA-GRNN的炼化厂管道腐蚀速率预测

• 作者: 刘晓晨 安延海 杨剑锋 段春莲 罗东浩 陈良超
• 来源期刊: 河北工业科技
• 学科: 工学
• 关键词: 材料失效与保护 核主成分分析 广义回归神经网络 循环水腐蚀 腐蚀速率预测
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 应用技术
• 页码范围: 346-351
• 页数: 6页
• 分类号: TG172
• 字数: 3815字
• 语种: 中文
• DOI: 10.7535/hbgykj.2019yx05009

摘要

为了提高炼化厂循环水对管道腐蚀预测的精度,选取8种常规监测数据作为样本标准库,在此基础上考虑各指标之间信息叠加的影响,引入核主成分分析(KPCA)和广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道腐蚀的主要因素,应用GRNN建立管道腐蚀速率预测的数学模型,通过分析影响循环水腐蚀的关键因素,建立了循环水腐蚀预测指标体系.结果表明,将样本监测数据的维数由8降至5,可得出各个影响因素的贡献率,提取出包含原始信息95.84％的5个变量,且基于KPCA-GRNN的算法对监测管道腐蚀速率的平均相对误差为0.033,优于误差反向传播算法(BP)的0.056.因此,基于KPCA-GRNN算法建立的循环水碳钢腐蚀速率预测模型,能够获得更准确的预测结果,拓宽了循环水腐蚀速率预测方法的研究思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨剑锋	北京化工大学机电工程学院	83	507	12.0	19.0
2	陈良超	北京化工大学机电工程学院	30	71	5.0	6.0
3	刘晓晨		6	5	2.0	2.0
4	段春莲	北京化工大学机电工程学院	2	2	1.0	1.0
5	罗东浩	哈尔滨工程大学自动化学院	1	0	0.0	0.0
6	安延海		1	0	0.0	0.0