针对原油对储运设备腐蚀影响的复杂性,本工作借助人工神经网络输入节点的筛选规则,对影响原油腐蚀性的主要因素进行了筛选,影响因素从最初的18个筛选到最后的9个;然后分别以18个和9个因素作为输入节点构建神经网络模型,通过对比两个模型的预测精度发现,9个输入因素的神经网络模型预测精度更高.对单一影响因素进行敏感性分析,研究了筛选得到的各个因素对腐蚀速率的影响规律.
参考文献
| [1] | 王海涛,韩恩厚,柯伟.基于人工神经网络模型的铝合金大气腐蚀的预测[J].中国腐蚀与防护学报,2006(05):272-274,281. |
| [2] | Srdjan Nesic;Magnus Nordsveen;Nigel Maxwell;Miran Vrhovac .Probabilistic modelling of CO{sub}2 corrosion laboratory data using neural networks[J].Corrosion Science,2001(7):1373-1392. |
| [3] | 梅辉.面向腐蚀工程的人工神经网络应用设想[J].腐蚀与防护,2002(01):35-38,34. |
| [4] | 高锋,刘晖,樊玉光,景军军.蒸汽管道剩余寿命评估方法评述[J].腐蚀与防护,2008(05):295-298. |
| [5] | 高大文,王鹏,孙丽欣,郑彤.人工神经网络输入层节点筛选规则的确定[J].高技术通讯,2002(06):65-68. |
| [6] | 赵国仙,吕祥鸿,韩勇.流速对P110钢腐蚀行为的影响[J].材料工程,2008(08):5-8. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%