基于ANFIS改进的大气腐蚀环境缺失数据 填补方法

摘要：

目的 针对大气腐蚀中重要环境数据缺失的复杂问题,提出一种相关因素(Relevance Factors)和自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System)结合的方法 (RF-ANFIS)对缺失数据进行填补.方法 首先采用相关因素方法 计算缺失数据和多项环境因素间的相关程度,筛选出相关系数较大的因子,然后应用ANFIS构建缺失数据与所选环境因子的关系模型.最后以二氧化硫数据为具体对象,采用北京2015年的气象数据对所建立的模型进行检验.结果 经过改进的RF-ANFIS模型在最优情况下样本均方误差为0.696,在14个测试样本中有13个相对误差在20%以内,针对有限样本的数据分析中更为适用.结论 该方法 有效提高了大气腐蚀环境数据缺失的填补精度,对在数据缺失情况下预测大气腐蚀速率具有重要意义.

关键词：大气腐蚀、缺失数据、相关因素、ANFIS

所属期刊栏目：13

分类号：TJ01;TG172.3(一般性问题)

资助基金：国家重点基础研究发展计划项目2014CB643300;国家科技基础性工作专项2012FY113000 Suported by The National Basic Research Program of China2014CB643300;The National Science and Technology Basic Work2012FY113000

在线出版日期：2017-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：78-84