一种基于海洋用钢成分腐蚀量的预测方法

摘要

一种基于海洋用钢成分腐蚀量的预测方法，它包括以下步骤：1、数据的初始化，将一种成分在某时间长度下的腐蚀量和对应的时间成分定义为一组数据，在获取目标环境下钢铁材料腐蚀的数据后，将所有数据整理为构建神经网络，并将其输入到matlab软件；2、神经网络结构优化，利用蚁群算法对神经网络隐含层层数、各层节点数进行优化，将最优的隐含层结构作为神经网络结构；3、神经网络权值和阈值的初值优化，利用人工鱼群算法优化权值阈值的初值；4、神经网络预测及误差分析。本发明能够较为快速精确的预测钢铁材料在海洋环境中腐蚀快慢，对耐候钢的研究开发具有指导作用，并对腐蚀行为机理的研究有所帮助。

主权项

一种基于海洋用钢成分腐蚀量的预测方法，其特征在于：它包括以下步骤：步骤一：数据初始化及录入将一种成分在某时间长度下的腐蚀量，即失重/增重/减薄/腐蚀深度或者对应统计量，和对应的时间成分定义为一组数据，在获取目标环境下钢铁材料腐蚀的数据后，根据不同组数据的详实程度对不同影响因素进行取舍，使得最终所有组内数据的对应数据齐全，不同成分材料试验时间长度一致，并将所有数据整理为构建神经网络的软件易于读取的形式.mat，将数据输入Matlab软件，将输入层节点即合金元素质量分数以及时间，输出层节点对应数据中的腐蚀指标；步骤二：神经网络结构优化利用蚁群算法将神经网络隐含层各层节点数作为路径加以优化，设定经由不同隐含层节点获得神经网络的误差倒数为增加的信息素，进而更新信息素直至收敛于最优的隐含层结构；对蚁群进行初始化，设定蚁群种群大小以及最大迭代次数，设定隐含层最大节点数，并以节点数作为蚁群路径，设定并初始化每个节点的信息素浓度，以及信息素的挥发率。每次迭代开始，每只蚂蚁均根据信息素浓度采用转轮赌法确定各隐含层节点数，计算对应神经网络的预测值和实测值之间的平均标准差Mean Standard Error,MSE，迭代结束后按照平均标准差的倒数从大到小对所有蚂蚁排序，利用前k只蚂蚁的平均标准差倒数对自己选择节点的信息素τ进行更新，所有节点信息素同时挥发，信息素挥发率为ρ，再进行下一次迭代；重复该过程，直至各层节点数都稳定收敛于某值。实际应用中，隐含层至多2层，只需比较优化过后2层隐含层结构和1层隐含层结构的误差，择优确定为最终的隐含层结构；步骤三：神经网络权值和阈值的初值优化利用人工鱼群算法优化权值阈值的初值，人工鱼群算法赋予人工鱼以觅食、聚群、追尾、回忆等行为模式来搜索视野内的更优位置，并移动，另设置密集度参数防止鱼的局部密集。将神经网络权值和阈值的初值作为位置送入鱼群算法进行优化，通过鱼群网络的觅食、聚群、追尾和回忆行为使位置即权值和阈值不断更新，直至找到满足要求的神经网络初值；步骤四：神经网络预测及误差分析输出神经网络的预测与实测值对比，分析误差，将待预测成分带入神经网络即可获得该成分在连续时间下的腐蚀量与时间的关系。