基于Lasso方法的碳钢土壤腐蚀率预报研究

提出了一种基于Lasso的step adaptive Lasso with Pls(SALP)方法,采用Bayesian Bootstrap算法重构样本,通过多模型集成对变量进行预选,以消除数据扰动和离群点对于模型性能的影响。应用偏最小二乘权重系数改善Lasso方法在处理小样本数据时的参数估计不准确问题。采用碳钢在土壤中的腐蚀数据为研究对象,建立了腐蚀率模型。实验证明:SALP方法建立的模型可以准确地拟合和预测土壤中的碳钢腐蚀率变化。该方法适用于自然环境中材料腐蚀率的预测及类似研究领域。     

神经网络在金属大气腐蚀率预测中的应用

根据我国大气腐蚀网站积累的环境数据和材料腐蚀数据，采用人工神经网络方法，建立了碳钢及低合金钢在大气条件下，腐蚀率与金属腐蚀暴露时间对应关系的预测模型。结果表明：在相同的大气环境下不同的金属存在着不同的网络；相同金属在不同的大气环境下存在着不同网络；BP算法的形式要根据实际情况而定。     

基于卡尔曼滤波的含噪声小样本数据处理方法

提出一种基于卡尔曼滤波和扩展卡尔曼滤波的小样本噪声数据处理方法. 首先, 通过物理模型或经验公式建立系统模型. 然后, 利用系统模型预测模型数据. 最后, 采用观测数据修正模型数据, 达到平滑数据噪声的效果. 实验结果表明, 对于BC500耐候钢腐蚀增重数据, 用差分整合移动平均自回归(autoregressive integrated moving average, ARIMA)模型和随机森林(random forest, RF)模型进行腐蚀增重预测时, 经卡尔曼滤波降噪后, 决定系数$R^2$平均提升6.4%, 而经扩展卡尔曼滤波降噪后, $R^2$平均提升4.9%, 验证了本方法的有效性.     

微机解析弱极化数据评价材料的耐蚀性

介绍了用微机解析电化学弱极化数据评价材料耐蚀性的方法，用这种方法研究了 碳钢、黄铜和铝在海水中的腐蚀行为。结果表明：微机解析方法能自动判断极化体系， 准确计算腐蚀速度及有关腐蚀动力学参数，实验简单、快速，数据利用率高，结果比 较可靠；显示出应用计算机的优越性。 在本实验条件下用微机解析方法评价出四种材料在海水中的耐蚀顺序为铝＞紫铜 ＞黄铜＞碳钢。     

一种面向纵向数据的RE-BET算法及应用

混合效应模型是分析纵向数据的有效方法,但模型的线性结构限制了其适应现实数据的能力。提出了一种RE-BET算法及其变形的RE-BEBT算法,采用树形方法估计混合效应模型的固定效应,可以自动选择重要变量,能更好地发现和描述变量间关系;采用基于Dirichlet过程先验的贝叶斯方法估计混合效应模型的随机效应,使模型可以适用于小样本数据。以低合金钢和碳钢的海水腐蚀数据为例,通过与实验数据和其他算法的计算结果对比分析,验证了RE-BET算法可行性和有效性。     

20#碳钢管道内沉积物对腐蚀行为的影响

 塔河油田地面原油集输金属管道主要材质为20^#碳钢。地面原油集输金属管道腐蚀主要为内壁点蚀,点蚀区域存在有沉积物。为研究沉积物对地面原油金属集输管道的腐蚀行为的影响,在对管道内壁沉积物类型分析的基础上,通过将无、有沉积物覆盖的20^#碳钢试片挂入高压釜来模拟现场腐蚀实验,应用失重法分析、电位极化曲线测试、丝束电极测试及扫描电镜技术对无沉积物覆盖的20^#碳钢试片及有沉积物覆盖下的20^#碳钢试片的腐蚀失重速度、腐蚀过程、腐蚀电位分布及扫描电镜特征进行测试。分析表明：无沉积物覆盖区20^#碳钢相比有沉积物覆盖腐蚀失重速度小;两者腐蚀过程均受阴极扩散控制,后者阳极过程受到促进,腐蚀电位降低、耐蚀性变差;前者腐蚀电位分布随时间变化不大,以全面腐蚀为主,后者腐蚀电位分布随时间变化大,点蚀特征明显,建立了无、有沉积物覆盖的20^#碳钢腐蚀行为影响过程模型。     

基于参数优化神经网络的海底油气管道腐蚀泄漏预测

为有效预测海底管道因腐蚀导致的泄漏风险,提出了一种海底管道腐蚀泄漏预测模型,首先采用斯皮尔曼相关系数分析各影响因素间的相关性,随后基于随机森林袋外数据进行各因素的重要性排序,剔除掉相关性较高且重要性较小的因素,利用筛选出的数据建立前馈神经网络和随机森林回归预测模型,并利用粒子群算法对神经网络预测模型的权值、阈值进行了优化,构建粒子群优化下的神经网络预测模型。经分析结果表明：神经网络预测模型在5组随机模型训练中平均绝对误差(MAE)、均方误差(MSE)的平均值分别为1.59、 3.37,均高于随机森林回归预测模型,说明该模型误差较大,但决定系数(R2)较随机森林回归预测模型高0.13,因决定系数越接近于1,模型拟合越好,故随机森林回归预测模型较神经网络预测模型拟合度较差,长期预测误差较高,因此可采用粒子群算法对神经网络进行优化,优化后的模型MAE为0.79,MSE为0.7293,R2为0.9151,可见优化后的神经网络预测模型在保证精度的基础上提高了稳定性,预测效果更优。最后编制了集随机森林回归、神经网络及粒子群优化下的神经网络为一体的多模型管道腐蚀预测软件。为海底管道泄漏风险的精准预测以及高效控制提供了依据,在海洋油气运输安全方面具有重要意义。     

3Cr板耐蚀性能的研究

运用线性极化法(LPR)和电化学阻抗谱(EIS)对其电化学性能进行了测试,实验表明3Cr板极化电位和电化学阻抗均高于碳钢,同时通过腐蚀失重法,研究比较碳钢和3Cr钢在模拟塔里木油田环境中的CO2腐蚀行为,结果表明:在模拟CO2腐蚀环境中,3Cr钢的腐蚀速率为0.77 mm/a,碳钢腐蚀速率为1.31mm/a,碳钢腐蚀速率是3Cr钢的1.5倍多。     

运用BP人工神经网络方法构建碳钢区域土壤腐蚀预测模型

通过测量大庆地区区域土壤的理化性质以及碳钢的短期腐蚀数据,分析土壤传质过程的逻辑关系,构建了碳钢短期土壤腐蚀预测模型. 通过用该模型在BP人工神经网络中进行学习、训练及模拟,并与现场碳钢埋片腐蚀实验结果对比,进一步验证了腐蚀模型的合理性. 结果表明:含水量、空气容量、pH、Cl~-含量、SO_4~(2-)含量和可溶盐总量六种土壤环境参数为影响区域土壤中碳钢腐蚀的主要因素;运用基于Matlab平台的人工神经网络,通过不断地积累土壤腐蚀信息,多次训练后可以建立起稳定性好、泛化能力强的土壤腐蚀预测模型,能较好地预测了大庆地区碳钢在土壤中的腐蚀速率.     

基于改进M5′-主成分模型树的高心墙堆石坝沉降变形预测

针对高心墙堆石坝沉降变形过程动态非线性特点,建立基于改进M5'-主成分模型树的高心墙堆石坝沉降变形分析模型,在采用相关性分析甄选沉降变形影响因素和采用主成分分析将高维影响因素空间进行降维的基础上,利用该全局分段非线性模型对高心墙堆石坝沉降过程进行分析。通过与沉降量实测值对比,验证了改进M5'-主成分模型树的有效性。通过绝对差值和均方根误差2个指标对比分析改进M5'-主成分模型树与M5'模型树、多元线性回归模型、主成分回归分析模型的预测结果,表明改进M5'-主成分模型树预测沉降量具有更高的精度。     

几种不同大气腐蚀预测模型的比较

分别运用腐蚀速率与暴露时间关系的指数模型、“灰色系统”的ＧＭ（１,１）,模型和环境综合因子模型和预测碳钢和低合金刚的大气腐蚀率,并与挂片暴露试验结果进行比较。结果表明,相同材料在不同的大气环境下有着不同的腐蚀规律,碳钢和低合金钢的大气腐蚀预测可选择不同的预测模型。     

基于PCA-IBAS-ELM的海底多相流管道内腐蚀速率预测

海底多相流管道运输介质中油、气、水共存,极易发生化学反应引发一系列腐蚀问题。为预测其腐蚀速率,对管内腐蚀机理及影响因素进行分析,提出基于主成分分析法（PCA）和改进甲虫天牛须算法（IBAS）的极限学习机（ELM）预测模型。PCA 筛选腐蚀因素,降低预测模型的输入指标维数,IBAS优化ELM的关键性能指标--输入权值及隐层阈值,提升预测精度。为检验模型效能,以我国海南东部某海底油气管道50组数据为例进行研究,并与其他两种模型对比分析。结果表明：温度、pH值、流体流速和CO2分压是影响该类型管道腐蚀的关键因素,PCA-IBAS-ELM预测结果与实际值拟合度更高,其均方根误差（RMSE）,平均绝对误差(MAE)和平均绝对百分误差（MAPE）和均小于比较模型。 可见构建模型对于海底多相流管道内腐蚀速率预测具有优越性。     

含环烷酸馏分油对金属腐蚀影响因素研究

采用正交实验研究了碳钢在环烷酸馏分油中,动态高温常压下的腐蚀行为,考察了酸值、温度和反应时间环烷酸对碳钢腐蚀行为的影响。结果表明在影响环烷酸腐蚀的各因素中,酸值起决定性的作用,温度的影响也比较大,试验时间的影响作用不大。腐蚀环境相同时,环烷酸的腐蚀速率随着环烷酸分子量的增加而降低。     

基于特征构建的钢包精炼炉元素收得率预报

元素收得率的预报是钢包精炼炉(LF)合金化的难点与关键点.为提高其预报精度,通过机理分析确定了元素收得率的主要影响因素,由于这些影响因素在生产中无法即时获得,因此使用基于文法进化(GE)的特征构建方法间接获得所需影响因素,最后将构建后的数据作为模型输入建立收得率预报模型.依据问题背景对文法进化算法进行了改进,改进后的方法可以充分利用可测数据,解决了冶炼过程中重要数据无法获得的问题.将该方法应用于Q345B钢种Mn,Si元素收得率的预报,实验结果表明使用本方法可以有效提高模型的预报精度.     

基于深度残差反向传播神经网络的钢筋腐蚀检测

针对小样本数据下浅层神经网络模型拟合能力不足,而加深网络层数出现网络性能退化问题,提出一种双跳跃深度残差BP神经网络模型,每个残差块堆叠三个同维度网络层,在网络的一、二层和一、三层之间加入双跳跃连接,增强浅层低非线性度特征信息向深层网络的直接传递和重复利用,且在反向传播过程中避免了梯度消失,提升模型分类准确率。同时引入一阶矩估计梯度指数加权平均因子对Adam算法中影响学习率的二阶矩估计梯度进行调整,优化网络的收敛能力。将改进后的算法模型用于钢筋腐蚀样本数据训练及测试,仿真结果表明,改进后的算法模型具有更好的分类性能。     

硫化氢质量浓度和温度对碳钢在NACE溶液中腐蚀行为的影响

采用动电位极化曲线和电化学阻抗谱等电化学实验方法以及扫描电镜和能谱等表面分析技术对20#碳钢在不同H2S质量浓度(0,95.61,103.22,224.16 mg.L-1)、不同温度(25,35,45℃)下的NACE溶液(含CO2)中腐蚀行为进行了研究,同时对该环境下腐蚀产物的形成机制进行了探讨.发现在含有CO2的NACE溶液中,加入少量H2S,能加剧碳钢腐蚀,加速阳极铁的溶解和阴极氢气的析出.随着H2S质量浓度的增加,腐蚀电流密度增大,碳钢腐蚀加剧.温度升高,腐蚀极化电阻变小,腐蚀也会加剧.腐蚀试样外层絮状腐蚀产物主要是铁碳化物,接近基体表面的腐蚀产物主要是铁硫化物.     

油气集输管道的腐蚀速率预测研究进展

中国大多数油气田开发步入中后期,采出介质腐蚀性不断增强,导致油气集输管道频繁发生腐蚀、穿孔及泄漏。系统综述了油气集输管道的腐蚀环境、主要腐蚀类型、关键影响因素以及基于不同方法建立的腐蚀速率预测模型等方面的国内外研究进展。研究结果表明,油气集输管道的腐蚀环境恶劣、腐蚀风险较大,在油-气-水三相复杂流动状态下容易发生氢去极化腐蚀,主要两种腐蚀类型是均匀腐蚀和点蚀。同时,影响集输管道腐蚀的因素与流体介质和运行工况密切相关,导致腐蚀速率预测是一个非线性、多因素参与和交互的复杂问题。目前提出的主要三类腐蚀速率预测模型中,经典理论解析模型应用范围有限、精度欠佳;回归方程模型可以考虑更多的影响因素即提升了应用范围,但对于建立的高度复杂的表达式精度仍不足;但数值计算模型可以解决参数多样、关系交错且不连续的非线性问题,经过优化算法,模型的精度、适应性、可拓展性也会随之提升。进一步,展望了腐蚀速率预测模型的未来重点研究方向。     

基于机器学习的材料疲劳和腐蚀寿命预测研究进展

机器学习在多变量拟合、复杂数据相关性分析、隐含信息挖掘利用等方面具有强大功能,在机械结构故障预测和材料寿命预测方向的应用研究成为热点.本文介绍机器学习在材料疲劳和腐蚀寿命预测中的应用,深入探讨BP神经网络、支持向量回归、聚类分析算法和集成算法综合应用的研究现状,总结模型参数的选取方法和模型性能的评估指标,并对机器学习在材料疲劳和腐蚀寿命预测研究领域存在的主要问题和发展趋势进行剖析.     

改进爬行动物搜索算法优化ENN模型预测管道腐蚀速率

管道腐蚀的影响因素多而复杂,建立准确的管道腐蚀速率预测模型是评价管道安全状况的关键。针对传统Elman神经网络(Elman neural network, ENN)模型预测中易陷入极小值、泛化能力不强的缺陷,提出了一种基于改进爬行动物搜索算法(引入Circle混沌映射并结合鲸鱼优化算法的狩猎策略)的ENN模型,并采用管道腐蚀速率实测结果验证了新模型的有效性。两个实例的预测结果表明,改进新模型的平均绝对百分比误差分别为0.547 6%、0.783 1%,其预测精度明显高于传统ENN模型。新模型在预测过程中可对权值和阀值进行寻优处理,因此有助于提升传统模型的预测精度。     

基于集成学习的电商销量预测研究分析

针对电商销量数据的复杂性和现有预测模型的稳定性及泛化能力不足问题,本研究基于大样本多变量数据,应用随机森林和渐进梯度回归树等机器学习模型进行分析。研究结果表明,相比于广义线性回归、弹性网络、支持向量回归、KNN回归树、决策树、多层感知机、AdaBoost,随机森林和渐进梯度回归树对电商销售数据预测拟合更加精确。相比于广义线性回归、弹性网络等7种传统机器学习算法,随机森林和渐进梯度回归树这两种集成学习的方法对电商销量预测更加精确,且渐进梯度回归树算法拟合效果更好、均方根误差更小,是一种更加有效的电商销量预测方法。