基于RS-PSO-GRNN的埋地管道土壤腐蚀预测
来源期刊:材料保护2018年第8期
论文作者:骆正山 王文辉 王小完 张新生
文章页码:47 - 131
关键词:土壤腐蚀;埋地管道;粗糙集理论;粒子群算法;广义回归神经网络;
摘 要:为克服埋地管道土壤腐蚀因素间的复杂性及传统方法预测精度低、适用性差等缺陷,提出基于粗糙集(RS)和改进粒子群算法(PSO)融合广义回归神经网络(GRNN)的埋地管道土壤腐蚀预测模型。通过属性约简,提取影响管道土壤腐蚀的主要因素,将其结果作为GRNN的输入,运用改进的PSO优化GRNN的参数,构建预测模型,并以中俄原油管道为例,进行土壤腐蚀实证分析。结果表明,与标准PSO相比,改进PSO的迭代收敛速度更快,稳定性更好,且该模型预测效果优于常规的误差反向传播(BP)模型和粗糙集融合支持向量机(RS-SVM)模型,为埋地管道土壤腐蚀研究提供了新思路,具有较好的借鉴意义。
骆正山,王文辉,王小完,张新生
西安建筑科技大学管理学院
摘 要:为克服埋地管道土壤腐蚀因素间的复杂性及传统方法预测精度低、适用性差等缺陷,提出基于粗糙集(RS)和改进粒子群算法(PSO)融合广义回归神经网络(GRNN)的埋地管道土壤腐蚀预测模型。通过属性约简,提取影响管道土壤腐蚀的主要因素,将其结果作为GRNN的输入,运用改进的PSO优化GRNN的参数,构建预测模型,并以中俄原油管道为例,进行土壤腐蚀实证分析。结果表明,与标准PSO相比,改进PSO的迭代收敛速度更快,稳定性更好,且该模型预测效果优于常规的误差反向传播(BP)模型和粗糙集融合支持向量机(RS-SVM)模型,为埋地管道土壤腐蚀研究提供了新思路,具有较好的借鉴意义。
关键词:土壤腐蚀;埋地管道;粗糙集理论;粒子群算法;广义回归神经网络;