期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于KPCA-BAS-GRNN的埋地管道外腐蚀速率预测
被引量：
22
1
作者
骆正山
姚梦月
+1 位作者
骆济豪
王小完
《表面技术》
EI
CAS
CSCD
北大核心
2018年第11期173-180,共8页
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...
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。
展开更多
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)
在线阅读
下载PDF
职称材料
基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测
被引量：
18
2
作者
骆正山
秦越
+1 位作者
张新生
毕傲睿
《表面技术》
EI
CAS
CSCD
北大核心
2021年第5期245-252,共8页
目的构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性。方法建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的...
目的构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性。方法建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的主要影响因素。应用最小二乘支持向量机算法建立海洋管线外腐蚀速率预测模型,并使用鲸鱼优化算法对模型参数进行优化,避免了参数取值对模型回归性能的影响。以海洋挂片实验为例,通过MATLAB进行模拟仿真,分析验证模型预测结果,并将预测结果与其他模型进行对比分析。结果 LASSO回归算法筛选得到影响腐蚀速率的主要因素为:温度、溶解氧含量、pH值。采用WOA-LSSVM模型所预测的结果与实际值较为吻合,其平均相对误差为2.23%,均方根误差(RMSE)为0.3248,决定系数R2达到0.9708,均优于其他两种模型。结论基于LASSO回归和鲸鱼优化算法的最小二乘支持向量机预测模型具有更优的泛化能力和预测精度,为海底管道腐蚀研究工作提供了新思路,也为海洋油气输送系统的结构安全与风险防范提供了参考。
展开更多
关键词
海洋管线
外腐蚀速率预测模型
LASSO回归方法
鲸鱼优化算法(WOA)
最小二乘支持向量机(LSSVM)
在线阅读
下载PDF
职称材料
题名
基于KPCA-BAS-GRNN的埋地管道外腐蚀速率预测
被引量：
22
1
作者
骆正山
姚梦月
骆济豪
王小完
机构
西安建筑科技大学管理学院
西安交通大学附属中学
出处
《表面技术》
EI
CAS
CSCD
北大核心
2018年第11期173-180,共8页
基金
国家自然科学基金资助(41877527)
陕西省社科基金项目(2018S34)
+1 种基金
陕西省重点学科建设专项资金资助项目(E08001)
陕西省教育厅自然专项基金(16JK1465)~~
文摘
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。
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)
Keywords
buried pipeline
external corrosion rate prediction model
kernel principle component analysis(KPCA)
beetle antennae search algorithm(BAS)
generalized regression neural network(GRNN)
分类号
TG172 [金属学及工艺—金属表面处理]
在线阅读
下载PDF
职称材料
题名
基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测
被引量：
18
2
作者
骆正山
秦越
张新生
毕傲睿
机构
西安建筑科技大学管理学院
出处
《表面技术》
EI
CAS
CSCD
北大核心
2021年第5期245-252,共8页
基金
国家自然科学基金资助项目(41877527)
陕西省社科基金资助项目(2018S34)。
文摘
目的构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性。方法建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的主要影响因素。应用最小二乘支持向量机算法建立海洋管线外腐蚀速率预测模型,并使用鲸鱼优化算法对模型参数进行优化,避免了参数取值对模型回归性能的影响。以海洋挂片实验为例,通过MATLAB进行模拟仿真,分析验证模型预测结果,并将预测结果与其他模型进行对比分析。结果 LASSO回归算法筛选得到影响腐蚀速率的主要因素为:温度、溶解氧含量、pH值。采用WOA-LSSVM模型所预测的结果与实际值较为吻合,其平均相对误差为2.23%,均方根误差(RMSE)为0.3248,决定系数R2达到0.9708,均优于其他两种模型。结论基于LASSO回归和鲸鱼优化算法的最小二乘支持向量机预测模型具有更优的泛化能力和预测精度,为海底管道腐蚀研究工作提供了新思路,也为海洋油气输送系统的结构安全与风险防范提供了参考。
关键词
海洋管线
外腐蚀速率预测模型
LASSO回归方法
鲸鱼优化算法(WOA)
最小二乘支持向量机(LSSVM)
Keywords
marine pipeline
external corrosion rate prediction model
LASSO regression method
whale optimization algorithm(WOA)
least squares support vector machine(LSSVM)
分类号
TG172 [金属学及工艺—金属表面处理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于KPCA-BAS-GRNN的埋地管道外腐蚀速率预测
骆正山
姚梦月
骆济豪
王小完
《表面技术》
EI
CAS
CSCD
北大核心
2018
22
在线阅读
下载PDF
职称材料
2
基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测
骆正山
秦越
张新生
毕傲睿
《表面技术》
EI
CAS
CSCD
北大核心
2021
18
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
