文献类型：期刊文章

作　　者：骆正山[1] 姚梦月[1] 骆济豪[2] 王小完[1]

LUO Zheng-shan;YAO Meng-yue;LUO Ji-hao;WANG Xiao-wan(School of Management,Xi'an University of Architecture&Technology,Xi'an 710055,China;Affiliated Middle School of Xi'an Jiaotong University,Xi'an 710056,China)

机构地区：[1]西安建筑科技大学管理学院,西安710055 [2]西安交通大学附属中学,西安710056

出　　处：《表面技术》

基　　金：国家自然科学基金资助(41877527);陕西省社科基金项目(2018S34);陕西省重点学科建设专项资金资助项目(E08001);陕西省教育厅自然专项基金(16JK1465)~~

年　　份：2018

卷　　号：47

期　　号：11

起止页码：173-180

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的提高埋地管道外腐蚀速率的预测精度。方法建立基于核主成分分析法(KPCA)和天牛须搜索(BAS)算法优化的广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道外腐蚀的主要因素,应用GRNN建立埋地管道外腐蚀速率预测的数学模型,并采用BAS算法对模型进行优化,减小了人为设置参数的影响。以川气东送埋地管段为例,分析选取出12种关键影响因素,建立了埋地管道外腐蚀指标体系,借助MATLAB-R2014a编写程序进行仿真,并与实际值进行对比。结果模型的预测结果与实际值基本一致,KPCA可有效降低指标体系的维度,提取出包含原始信息97.9%的3个主因素—土壤电阻率、氧化还原电位、氯离子含量,简化了运算过程。采用的BAS-GRNN模型将预测精度提高到7.83%以内,平均相对误差5.21%,决定系数取值0.93。与其他模型相比,该模型性能较好,预测精度更高。结论采用KPCA提取的主要影响因素符合工程实际,建立的BAS-GRNN模型预测精度高,有较好的适应性,为埋地管道外腐蚀速率预测提供了新思路,对管道的维护更新工作提供了参考依据。

关 键 词：埋地管道 外腐蚀速率预测模型  核主成分分析法(KPCA)  天牛须搜索算法(BAS)  广义回归神经网络(GRNN)  

分 类 号：TG172]