神经网络预测海洋环境下金属腐蚀速率的应用及研究
在传统神经网络(BP)模型的基础上,利用广义回归神经网络(GRNN)对处于海洋环境下的金属腐蚀速率进行了预测,将环境温度、含氧量、pH值、盐度及电位作为输入,其腐蚀速率作为输出,并与实际腐蚀速率进行比较.结果表明:采用GRNN预测时,选取默认扩展速度值,其预测平均误差为5.72％,高于采用BP神经网络预测时的6.56％,采用交叉验证方法选取最优扩展速度值,最优扩展速度值下其预测的平均误差为2.38％,说明采用GRNN对海洋环境下的金属材料腐蚀速率进行预测在技术上可行,并具有较高的预测精度,对全面了解海洋金属结构物的运行状态及腐蚀情况有重要意义.
广义回归神经网络、BP、金属腐蚀速率、最优扩展速度、预测、交叉验证
51
TG172(金属学与热处理)
2018-11-02（万方平台首次上网日期，不代表论文的发表时间）
共5页
35-39
