组合人工神经网络模型预测海水腐蚀速度的研究.pdfVIP

维普资讯 第20卷 第 1期 腐蚀科学与防护技术 Vo1．20No．1 2008年 1月 C0RROSION SCIENCE AND PROTECTION TECHNOLOGY Jan．20o8 组合人工神经网络模型预测海水腐蚀速度的研究 孔涛 ，王佳 ，钟莲 1．中国海洋大学 化学化工学院，青岛266100；2．金属腐蚀与防护国家重点实验室 ，沈阳110016 摘要：针对误差反传 (BP)人工神经网络在海水腐蚀预测建模中的样本数量有限和隐含层单元数难 以确定的问题， 提出了结合使用 自组织特征映射(SOM)网络和径向基函数(RBF)人工神经网络方法预测海水腐蚀速度．首先采用 SOM对样本进行分类，再使用 RBF进行样本训练和建模 ，并对 A3钢和 16Mn钢的海水腐蚀速度进行了预测．结果 表明，该方法能够增强了网络局部泛化能力，提高了预测精度和计算速度． 关键词：SOM神经网络；RBF神经网络 ；海水腐蚀；预测 中图分类号：TG172．5 文献标识码 ：A 文章编号 ：1002-6495(2008)oi-0058-04 ‘ PREDICTIoN oFMARINE CoRRoSIoN USD-G『A CoM [BINED ARTIFICIAL NEURAL NETW oRK M oDEL KONGTao ，WANGJia ，ZHONG Lian l_Co／／egeofChemistryandChemicalEngineering，OceanUniversityofChina， 266100； 2．StateKeyLaboratoryforCorrosionand Protection，Shenyang。110016 Abstract：Consideringthelimitation ofthenumberofsamplesand thedifficultyoftheselection ofhte suitablenumberinhiddenlayercellsduringconstructingaBP predictionmodelofmarinecorrosionsys— tem，acombinedANNmethodwihtSOM(self-organizingfeaturemap)andRBF(radialbasefunction) wasproposedtopredictmarinecorrosionrate．Bythismethod，thetrainingandpredictingweredividedin— totwosteps：clusteringhtesamplesatfirst，andthentrainingandpredictingthem attheclusteredareas， respectively。bySOM andRBF neural network．ThepredictionresultsofthemariBecorrosionofA3and 16Mnsteelshowedhtatthismethodcouldimprovetheabilityoflocal generalizationofthenetwork，which madehtepredictionmuchbetterthanthenormal BPnetworkintermsofprecisionandspeed． Keywords：SOM neural network；RBFneural network；marinecorrosion；prediction 钢材的腐蚀速度与介质温度、含氧量等环境状态参数密 诗哲等人用人工神经网络方法建立了碳钢和低合金钢海水 切相关 ，如果能获得海水环境状态参数