贝叶斯网络在储罐底板腐蚀状况预测的应用研究

作者：张颖; 陈荣刚; 戴光; 王晓鹏; 董立敏

来源：兵器材料科学与工程, 2011, (01): 51-54.

DOI：10.14024/j.cnki.1004-244x.2011.01.026

• 贝叶斯网络
• 外部表征因素
• 储罐底板腐蚀
• 声发射在线检测 Bayesian networks
• external factors
• tank bottom corrosion
• acoustic emission online testing

根据领域专家经验,利用与储罐底板腐蚀相关的外部表征因素,采用随机重启爬山算法等5种启发式算法构建储罐底板腐蚀状况贝叶斯网络智能评价模型。将模型预测结果与声发射在线检测结果对比,随机重启爬山算法构建的网络模型预测能力优于其他4种算法的网络结构,平均准确率为92%。预测结果表明,该预测模型能够解决储罐底板腐蚀状况的预测问题,具有一定的工程应用价值。

• 单位
  东北石油大学