基于GWO-LSSVM算法的海底管道腐蚀预测模型研究

摘要：

目的 针对海底管道腐蚀影响因素存在信息叠加与相互耦合、作用机理复杂、腐蚀速率预测难度大的问题,提出一种灰狼优化(GWO)算法优化最小二乘支持向量机(LSSVM)的腐蚀速率预测新模型.方法 该模型利用灰狼优化算法对最小二乘支持向量机的核参数与惩罚因子进行迭代寻优,减少参数选择的盲目性,提升预测精度,应用该模型对海水挂片腐蚀实验的50组样本进行学习与预测,并与传统最小二乘支持向量机、粒子群优化最小支持向量机进行了预测精度的比较.结果 灰狼优化最小二乘支持向量机的平均绝对误差、均方误差、均方根误差均最小,其决定系数更接近于1,说明该模型的预测结果与真实值最接近,算法效率高.结论 构建的模型可以用于当前油气工程大数据驱动的腐蚀预测中,其结果可以为海底管道的腐蚀与防护提供决策技术支持.

关键词：海水腐蚀、腐蚀预测、灰狼优化算法(GWO)、最小二乘支持向量机(LSSVM)

所属期刊栏目：51

分类号：TG174;TE962;TP301.6

资助基金：国家自然科学基金H2S/CO2;51774249

在线出版日期：2022-05-05（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：70-76