10.19459/j.cnki.61-1500/te.2023.05.013
基于随机森林算法的环焊缝质量不合格性分析预测
油气长输管道环焊缝一直以来是管道的薄弱环节,容易发生失效.根据环焊缝开挖数据,对大量环焊缝相关数据进行了预处理,并采用机器学习中的随机森林方法对主要因素进行了分析,建立了环焊缝质量不合格性预测模型,并通过不同算法模型进行了验证.结果表明,构建的模型可以实现环焊缝质量不合格预测.对环焊缝的数据分析和机器学习模型的构建,可以提高环焊缝开挖准确率,节省开挖费用,为后续开挖和修复工作提供技术支持.
环焊缝、随机森林算法、机器学习、数据资产、智能管道
9
TE973(石油机械设备与自动化)
国家管网北方管道有限责任公司科技研究项目20190301
2023-10-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
64-67,73