針對(duì)油氣管道腐蝕預(yù)測(cè)領(lǐng)域傳統(tǒng)的機(jī)器學(xué)習(xí)算法存在的諸如參數(shù)和模型結(jié)構(gòu)確定困難、泛化誤差大等問題,將隨機(jī)森林回歸算法(RFR)引入油氣集輸管道腐蝕預(yù)測(cè)領(lǐng)域,構(gòu)建了灰色關(guān)聯(lián)分析(GRA)融合隨機(jī)森林回歸算法(RFR)的預(yù)測(cè)模型。運(yùn)用灰色關(guān)聯(lián)分析進(jìn)行數(shù)據(jù)處理以獲取最優(yōu)特征變量,再結(jié)合隨機(jī)森林回歸模型對(duì)內(nèi)腐蝕速率進(jìn)行預(yù)測(cè),并基于相同的訓(xùn)練集建立BP神經(jīng)網(wǎng)絡(luò)和SVM的預(yù)測(cè)模型與之對(duì)比。結(jié)果表明:RFR預(yù)測(cè)模型的均方根誤差和擬合優(yōu)度分別為3.78%,0.996 5,預(yù)測(cè)效果優(yōu)于常規(guī)的BP模型和SVM模型,具有較高的預(yù)測(cè)精度和魯棒性,可為管道工程的防腐蝕設(shè)計(jì)提供價(jià)值依據(jù)。

【文章頁數(shù)】：6 頁

【文章目錄】：
0前言
1 理論基礎(chǔ)
    1.1 灰色關(guān)聯(lián)分析(GRA)
    1.2 RFR回歸原理
2 模型建立
    2.1 建模流程
    2.2 模型驗(yàn)證指標(biāo)選取
3 試驗(yàn)
    3.1 數(shù)據(jù)處理
    3.2 參數(shù)求取
    3.3 模型預(yù)測(cè)與分析
4 結(jié)論



本文編號(hào)：3790007