本文關(guān)鍵詞：基于ANFIS改進(jìn)的大氣腐蝕環(huán)境缺失數(shù)據(jù)填補(bǔ)方法

  更多相關(guān)文章： 大氣腐蝕 缺失數(shù)據(jù) 相關(guān)因素 ANFIS

【摘要】：目的針對(duì)大氣腐蝕中重要環(huán)境數(shù)據(jù)缺失的復(fù)雜問題,提出一種相關(guān)因素(Relevance Factors)和自適應(yīng)神經(jīng)模糊推理系統(tǒng)(Adaptive Neuro-Fuzzy Inference System)結(jié)合的方法(RF-ANFIS)對(duì)缺失數(shù)據(jù)進(jìn)行填補(bǔ)。方法首先采用相關(guān)因素方法計(jì)算缺失數(shù)據(jù)和多項(xiàng)環(huán)境因素間的相關(guān)程度,篩選出相關(guān)系數(shù)較大的因子,然后應(yīng)用ANFIS構(gòu)建缺失數(shù)據(jù)與所選環(huán)境因子的關(guān)系模型。最后以二氧化硫數(shù)據(jù)為具體對(duì)象,采用北京2015年的氣象數(shù)據(jù)對(duì)所建立的模型進(jìn)行檢驗(yàn)。結(jié)果經(jīng)過改進(jìn)的RF-ANFIS模型在最優(yōu)情況下樣本均方誤差為0.696,在14個(gè)測(cè)試樣本中有13個(gè)相對(duì)誤差在20%以內(nèi),針對(duì)有限樣本的數(shù)據(jù)分析中更為適用。結(jié)論該方法有效提高了大氣腐蝕環(huán)境數(shù)據(jù)缺失的填補(bǔ)精度,對(duì)在數(shù)據(jù)缺失情況下預(yù)測(cè)大氣腐蝕速率具有重要意義。
【作者單位】： 北京科技大學(xué)自動(dòng)化學(xué)院;北京科技大學(xué)新材料技術(shù)研究院;
【關(guān)鍵詞】： 大氣腐蝕 缺失數(shù)據(jù) 相關(guān)因素 ANFIS
【基金】：國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(2014CB643300) 國家科技基礎(chǔ)性工作專項(xiàng)(2012FY113000)~~
【分類號(hào)】：TG172.3
【正文快照】： Received:2016-07-12;Revised:2016-08-12大氣腐蝕中缺失數(shù)據(jù)的填補(bǔ)是建模與應(yīng)用中重要且具有一定難度的研究課題。根據(jù)ISO9223—2012標(biāo)準(zhǔn),金屬大氣的腐蝕速率與環(huán)境中的二氧化硫濃度、氯化物濃度、溫度以及濕度四個(gè)因子息息相關(guān),但這些腐蝕因子由于人為疏忽、信息獲取的滯后，

本文編號(hào)：1014414