神经网络预测海洋环境下金属腐蚀速率的应用及研究
来源期刊:材料保护2018年第9期
论文作者:马良涛 董海防 朱刚 李进
文章页码:35 - 39
关键词:广义回归神经网络;BP;金属腐蚀速率;最优扩展速度;预测;交叉验证;
摘 要:在传统神经网络(BP)模型的基础上,利用广义回归神经网络(GRNN)对处于海洋环境下的金属腐蚀速率进行了预测,将环境温度、含氧量、pH值、盐度及电位作为输入,其腐蚀速率作为输出,并与实际腐蚀速率进行比较。结果表明:采用GRNN预测时,选取默认扩展速度值,其预测平均误差为5.72%,高于采用BP神经网络预测时的6.56%,采用交叉验证方法选取最优扩展速度值,最优扩展速度值下其预测的平均误差为2.38%,说明采用GRNN对海洋环境下的金属材料腐蚀速率进行预测在技术上可行,并具有较高的预测精度,对全面了解海洋金属结构物的运行状态及腐蚀情况有重要意义。
马良涛,董海防,朱刚,李进
武汉第二船舶设计研究所
摘 要:在传统神经网络(BP)模型的基础上,利用广义回归神经网络(GRNN)对处于海洋环境下的金属腐蚀速率进行了预测,将环境温度、含氧量、pH值、盐度及电位作为输入,其腐蚀速率作为输出,并与实际腐蚀速率进行比较。结果表明:采用GRNN预测时,选取默认扩展速度值,其预测平均误差为5.72%,高于采用BP神经网络预测时的6.56%,采用交叉验证方法选取最优扩展速度值,最优扩展速度值下其预测的平均误差为2.38%,说明采用GRNN对海洋环境下的金属材料腐蚀速率进行预测在技术上可行,并具有较高的预测精度,对全面了解海洋金属结构物的运行状态及腐蚀情况有重要意义。
关键词:广义回归神经网络;BP;金属腐蚀速率;最优扩展速度;预测;交叉验证;