组合人工神经网络模型预测海水腐蚀速度的研究
来源期刊：腐蚀科学与防护技术2008年第1期
论文作者：孔涛 钟莲 王佳
关键词：SOM神经网络; RBF神经网络; 海水腐蚀; 预测;
摘 要：针对误差反传(BP)人工神经网络在海水腐蚀预测建模中的样本数量有限和隐含层单元数难以确定的问题,提出了结合使用自组织特征映射(SOM)网络和径向基函数(RBF)人工神经网络方法预测海水腐蚀速度.首先采用SOM对样本进行分类,再使用RBF进行样本训练和建模,并对A3钢和16Mn钢的海水腐蚀速度进行了预测.结果表明,该方法能够增强了网络局部泛化能力,提高了预测精度和计算速度.
孔涛1，钟莲1，王佳1
(1.中国海洋大学,化学化工学院,青岛,266100;
2.金属腐蚀与防护国家重点实验室,沈阳,110016)
摘要:针对误差反传(BP)人工神经网络在海水腐蚀预测建模中的样本数量有限和隐含层单元数难以确定的问题,提出了结合使用自组织特征映射(SOM)网络和径向基函数(RBF)人工神经网络方法预测海水腐蚀速度.首先采用SOM对样本进行分类,再使用RBF进行样本训练和建模,并对A3钢和16Mn钢的海水腐蚀速度进行了预测.结果表明,该方法能够增强了网络局部泛化能力,提高了预测精度和计算速度.
关键词:SOM神经网络; RBF神经网络; 海水腐蚀; 预测;
【全文内容正在添加中】
