基于综合智能模型的碳钢大气腐蚀重要变量提取和依赖关系挖掘
针对碳钢在大气腐蚀过程中影响变量多且作用机制复杂的问题,提出一种基于综合智能模型的重要变量挖掘框架,利用该框架可以挖掘影响碳钢早期大气腐蚀的重要环境变量及其对腐蚀电偶电流产生的影响.本文通过大气腐蚀监测仪(ACM)收集了我国5个试验站点的大气腐蚀数据,首先,构建了随机森林(RF)、梯度提升回归树(GBRT)和BP神经网络(BPNN)三种机器学习模型;其次,利用多模型集成重要变量选择算法(MEIVS)量化环境变量的重要性并提取影响碳钢早期大气腐蚀的重要环境变量;最后,绘制了环境变量与腐蚀电偶电流的局部依赖曲线(PDP).仿真结果显示,MEIVS算法挖掘出的重要环境变量更符合大气腐蚀的先验规律;PDP与MEIVS算法的结论具有很好的一致性,重要环境变量对应的PDP的变化幅度大,且PDP的变化趋势能够反映环境变量对腐蚀电偶电流的影响.
大气腐蚀、碳钢、模型集成、重要变量提取、局部依赖曲线
45
TG172.3(金属学与热处理)
科技部科技基础资源调查专项资助项目;北京科技大学顺德研究生院科技创新专项资助项目
2022-12-26(万方平台首次上网日期,不代表论文的发表时间)
共12页
407-418