典型文献
基于KPCA-CS-SVM的埋地管道外腐蚀速率预测研究
文献摘要：
针对埋地管道外腐蚀速率预测问题,首先对影响埋地管道外腐蚀速率的相关因素进行简单分析,在此基础上,对KPCA算法(核主成分分析算法)、CS算法(布谷鸟算法)以及SVM算法(支持向量机算法)进行原理介绍,阐述KPCA-CS-SVM算法的构建方法,使用KPCA-CS-SVM模型对实际管道的62组管道外腐蚀速率数据及腐蚀影响因素数据进行学习,对12组数据进行预测和验证,并与KPCA-PSO-SVM模型、KPCA-GA-SVM模型以及KPCA-LS-SVM模型进行对比,以此验证本次研究所提模型的先进性.结果表明:KPCA算法能有效的降低腐蚀速率预测影响因素的维度,通过使用KPCA算法对外腐蚀速率的影响因素进行分析可以发现,土壤的氧化还原电位、土壤电阻率以及土壤中的氧含量对于埋地管道外腐蚀速率的影响最大;使用KPCA-CS-SVM模型对管道外腐蚀速率预测的平均绝对误差仅有1.89％,决定系数为0.9993,模型训练时间仅为4.928 s,这3项数据均优于其它模型.研究证明,对于埋地管道外腐蚀速率预测而言,KPCA-CS-SVM模型是一种较为优越的算法,可得到推广和应用.
文献关键词：
KPCA-CS-SVM模型;埋地管道;外腐蚀;影响因素;速率预测
中图分类号：
作者姓名：
黄港港;周阳;闫骁瑾;王寿喜
作者机构：
西安石油大学石油工程学院,陕西 西安710065
文献出处：
引用格式：
[1]黄港港;周阳;闫骁瑾;王寿喜-.基于KPCA-CS-SVM的埋地管道外腐蚀速率预测研究)[J].热加工工艺,2022(16):38-43
A类：
B类：
KPCA,CS,埋地管道,外腐蚀速率,腐蚀速率预测,预测研究,核主成分分析,布谷鸟算法,支持向量机算法,构建方法,腐蚀影响因素,素数,PSO,GA,LS,氧化还原电位,土壤电阻率,氧含量,平均绝对误差,决定系数,模型训练,训练时间,项数,推广和应用
AB值：
0.16501
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
