改进MGM(1,1)的管道腐蚀预测模型构建

摘要：

针对管道腐蚀预测分析因素复杂且具有较大随机性与模糊性的问题,建立了一种基于集成学习与机器学习算法的PSO-MGM管道腐蚀预测模型.在管道腐蚀检查数据的基础上,以MGM(1,1)为预测模型,采用PSO算法选出最优白化因子,实现了管道腐蚀速率预测.仿真结果表明,所提模型预测值与实际值拟合效果良好,可较为理想地反映管道腐蚀发育情况,相较于标准GM(1,1)预测模型和MGM(1,1)预测模型,其平均相对误差更小,满足预测精度需求,并可具体预测某一管道腐蚀发育情况,具有一定的实际应用价值.

关键词：集成学习、机器学习、管道腐蚀预测、MGM(1、1)模型、PSO算法

所属期刊栏目：51

分类号：TH122

资助基金：国家十四五重大专项课题;新疆维吾尔自治区创新人才建设专项自然科学计划自然科学基金面上项目;湖北省科技示范项目;中国高校产学研创新基金

在线出版日期：2022-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：69-73