买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国机械总院集团武汉材料保护研究所有限公司;国网山东省电力公司电力科学研究院

摘要：本发明公开了一种碳钢腐蚀速率预测方法，由给定的历史积累的自然环境腐蚀数据构建模型初始训练、测试样本；使用遗传算法对随机森林中基分类器个数、最大树深两个参数进行调优，以此建模并保存最优随机森林预测模型；利用随机森林对初始数据样本的腐蚀预测结果以及重要特征的选择构建BP神经网络模型的训练、测试样本；初始化BP神经网络模型；使用给定的训练、测试样本对BP神经网络进行优化、训练、测试得到建模最优神经网络预测模型；将代预测数据输入集成随机森林、BP神经网络预测模型，得到碳钢腐蚀预测结果。本发明解决传统预测结果不够稳定、精度低的问题，提高了对碳钢腐蚀速率预测的健壮性和预测精度。

主权项：1.一种碳钢腐蚀速率预测方法，其特征在于，具体步骤如下：步骤1、对历史积累的碳钢大气环境自然曝露实验数据进行合并、转换处理、数据划分，形成研究碳钢腐蚀速率的初始数据集，初始数据集分为初始训练样本和初始测试样本；步骤2、构建随机森林预测模型，设定模型结构及使用遗传算法对随机森林模型基分类器个数、最大树深两个参数进行调优，使用决定系数R2作为目标函数选取最优参数组合，并保存预测性能最优的随机森林模型；步骤3、使用步骤2中保存的随机森林模型和步骤1中初始数据集构建BP神经网络的训练样本和测试样本；步骤4、构建BP神经网络预测模型，设定模型结构及参数初始值，包括确定输入层、隐藏层和输出层神经元数量，以及各层神经元激励函数的使用，通过经验公式确定隐藏层神经元数量，其中表示训练集样本数，表示输入层神经元个数，表示输出层神经元个数，表示任意变量经验参数，隐藏层神经元的激励函数为Tanh函数，输出层激励函数为Sigmoid函数；步骤5、利用步骤3中构建的训练样本和测试样本对BP神经网络预测模型进行训练、测试，得到最优化的BP神经网络预测模型；步骤6、使用步骤2保存的随机森林模型与步骤5中保存的BP神经网络预测模型，集成对碳钢腐蚀速率进行预测；所述步骤2中，随机森林预测模型的构建具体步骤包括：步骤2.1、将步骤1中划分的初始训练样本作为随机森林的训练集，初始测试样本作为测试集；在全因素的数据中，以腐蚀信息作为目标输出，其余特征信息作为随机森林算法模型的输入；步骤2.2、随机森林算法参数选取直接影响预测的精度，使用遗传算法对随机森林模型中基分类器个数、最大树深两个参数进行调优；以决定系数R2为目标函数，通过选择、交叉、变异遗传运算生成新的参数组合，最终保存最好的参数组合以及随机森林预测模型；所述步骤2.2的具体步骤如下：步骤2.2.1、初始化最大迭代种群为G0，期望目标函数值为步骤2.2.2、使用无参二进制编码对基分类器个数、最大树深参数组个体进行基因序列初始化；步骤2.2.3、随机初始化10个个体产生初始种群G=0；步骤2.2.4、分别使用种群个体构建随机森林模型，并以训练数据集进行训练；步骤2.2.5、使用测试数据集计算决定系数R2为目标函数值；步骤2.2.6、判断或者最大种群迭代，若成立，则执行步骤2.2.11，否则执行步骤2.2.7；步骤2.2.7、计算每个个体适应值；步骤2.2.8、选择、保存最好个体和目标函数值；步骤2.2.9、执行遗传操作，包括：自然选择、交叉繁殖、基因变异；步骤2.2.10、通过步骤2.2.9的操作产生下一代种群G=G+1，返回步骤2.2.4；步骤2.2.11、结束种群繁殖，确定最优参数组合，最优参数组合包括基分类器个数、最大树深和目标函数值；步骤2.2.12、保存最优参数组合建立随机森林预测模型；所述步骤3中，构建BP神经网络训练样本和测试样本具体步骤包括：步骤3.1、随机森林模型为神经网络构建新的特征输入变量，根据步骤2中保存最优的随机森林预测模型，使用步骤1中初始训练样本和初始测试样本输入到随机森林预测模型得到碳钢腐蚀初始预测结果；并以随机森林能自动为重要特征变量赋予不同权重的机理，进一步根据特征变量的权重，从初始数据全因素变量下，自动选取重要特征变量；选取标准为，如果=0，舍弃该特征，否则保留该特征；步骤3.2、给定BP神经网络模型训练样本特征变量，测试样本特征变量，其中和分别表示由初始训练样本和初始测试样本使用随机森林预测模型得到预测结果，表示选取的第i个特征变量，m表示初始数据中特征变量的个数；所述步骤5中，BP神经网络训练和测试具体步骤包括：步骤5.1、设定训练初始参数，最大迭代次数p，允许目标误差，学习率l；步骤5.2、将从步骤3中获取的训练样本输入BP神经网络预测模型，以均方误差为目标函数，计算当前迭代误差，其中和分别为输出层第i个神经元的响应输出值和期望实测值，n表示训练样本数；当或到达最大迭代时，保存当前最优权值，即当前最优网络模型；否则利用神经网络反向传播原理不断调整权值；步骤5.3、利用步骤3提供的测试样本对保存的最优的BP神经网络预测模型进行精度测试，使用平均绝对百分比误差和决定系数两指标判定模型预测精度。

全文数据：

权利要求：

百度查询： 中国机械总院集团武汉材料保护研究所有限公司 国网山东省电力公司电力科学研究院 一种碳钢腐蚀速率预测方法