典型文献
基于KPCA-ALO-WLSSVM的埋地管道外腐蚀速率预测
文献摘要：
为提高埋地油气管道外腐蚀速率预测精度,建立了一种基于KPCA-ALO-WLSSVM的埋地管道外腐蚀速率预测模型.以沿川气东送管线所做埋片试验获取的数据为例,首先利用核主成分分析(KPCA)对管道外腐蚀影响因素进行处理,以重构的综合指标作为模型的输入值;然后利用加权最小二乘支持向量机(WLSSVM)对外腐蚀因素和速率进行仿真建模,并利用蚁狮优化算法(ALO)对WLSSVM建模中的参数进行寻优.结果表明:KPCA提取了累计贡献率为97.84％的3个主元,减化了建模过程的复杂性;所构建的ALO-WLSSVM外腐蚀速率预测模型的平均相对误差为4.390％,均方根误差为0.276,各项指标均优于其对比模型,证明了本模型具有更好的学习性和更高的拟合效果.
文献关键词：
安全工程;埋地管道;外腐蚀速率;核主成分分析(KPCA);蚁狮优化算法(ALO);加权最小二乘支持向量机(WLSSVM)
中图分类号：
作者姓名：
张新生;张莹莹
作者机构：
西安建筑科技大学管理学院,西安710055
文献出处：
引用格式：
[1]张新生;张莹莹-.基于KPCA-ALO-WLSSVM的埋地管道外腐蚀速率预测)[J].安全与环境学报,2022(04):1804-1812
A类：
WLSSVM
B类：
KPCA,ALO,埋地管道,外腐蚀速率,腐蚀速率预测,油气管道,管线,核主成分分析,腐蚀影响因素,综合指标,加权最小二乘,最小二乘支持向量机,腐蚀因素,和速率,仿真建模,蚁狮优化算法,累计贡献,主元,减化,平均相对误差,对比模型,学习性,拟合效果,安全工程
AB值：
0.208236
相似文献
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。
