基于核主成分分析算法的海底管道内腐蚀风险预测

作者：贾海韵; 胡丽华; 李夏侨; 曲志豪; 王竹; 常炜; 张雷^*

来源：腐蚀与防护, 2023, 44(03): 82-87.

• 核主成分分析
• 支持向量机
• 随机森林
• 人工神经网络
• H2S/CO2腐蚀

采用核主成分分析(KPCA)算法，分别对高斯核支持向量机(SVM-rbf)、多项式核支持向量机(SVM-poly)、线性核支持向量机(SVM-linear)、人工神经网络(ANN)和随机森林(RFR)等算法进行优化，以网格搜索法进行参数寻优，对20条海底管道的最大腐蚀速率进行预测，以均方根误差(RMSE)、平均绝对误差(MAE)和平方相关系数(R2)作为评价指标对优化前后模型的预测效果进行评价。结果表明：优化后各模型的R2值显著提高，最高达0.987 7;KPCA能够降低特征维度，减少噪声干扰，提升模型预测性能；优化后的支持向量机算法对海底管道腐蚀速率预测的准确性较高，能够为海底油气田管道腐蚀的预警与防护提供参考。

• 单位
  北京科技大学; 中海油研究总院有限责任公司