神经网络预测海洋环境下金属腐蚀速率的应用及研究

作者：马良涛^*; 董海防; 朱刚; 李进

来源：材料保护, 2018, 51(09): 35-39.

DOI：10.16577/j.cnki.42-1215/tb.2018.09.008

• 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

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。

• 单位
  武汉第二船舶设计研究所