基于XGBoost特征重要度的储罐缺陷ANN面积量化模型

• 作者: 丁超 侯军 唐东林 唐圳雄
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 储罐腐蚀缺陷 面积量化 超声波检测 XGBoost特征重要度 ANN模型
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 109-115
• 页数: 7页
• 分类号: TN98|TG115.28+5
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902853

摘要

针对超声波检测的储罐缺陷的面积量化问题,提出一种改进的储罐腐蚀缺陷面积量化模型.该模型利用XGBoost的特征重要度对人工神经网络(ANN)的参数进行先验初始化实现ANN模型的改进.该模型可以更快的收敛,并且提高准确率.按照国家标准设计实验平台,获取实验信号,并提取信号的统计特征得到特征数据集,利用数据集训练和测试改进的模型,并与传统模型进行对比.通过实验验证得出,改进的ANN模型能够更快的收敛,并且准确量化缺陷面积,相比于ANN量化模型,在训练集上准确率提高了17.9％,达到了98.3％,在测试集上提高了16.6％,达到了92.2％.