-
公开(公告)号:CN109284876A
公开(公告)日:2019-01-29
申请号:CN201811373878.4
申请日:2018-11-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于PCA-RBF埋地管道腐蚀速率预测方法。该方法通过结合PCA的特征提取功能和RBF网络强大的函数逼近能力,建立基于PCA和RBF神经网络的埋地管道腐蚀速率预测模型。本发明方法对改善埋地管道腐蚀速率的预测效果显著,PCA-RBF模型在建模过程中具有更快的学习速度,同时提高了模型的预测精度和泛化能力,在埋地管道腐蚀速率预测中可用性很强。
-
公开(公告)号:CN109284877A
公开(公告)日:2019-01-29
申请号:CN201811374102.4
申请日:2018-11-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于AIGA-WLSSVM埋地管道腐蚀速率预测方法。通过结合AIGA高效全局寻优能力和WLSSVM算法较强的鲁棒性能,有效提高了模型的预测精度。通过对实际埋地管道腐蚀数据进行建模和预测,证明了使用该方法建立的埋地管道腐蚀速率预测模型是有效、可靠的,这也为埋地管道的检修与更换提供理论依据。
-
公开(公告)号:CN108204944A
公开(公告)日:2018-06-26
申请号:CN201810039763.5
申请日:2018-01-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于APSO优化的LSSVM的埋地管道腐蚀速率预测方法。该方法基于自适应粒子群(APSO)优化的最小二乘支持向量机(LSSVM)应用于埋地管道腐蚀速率预测中。本发明方法对改善埋地管道腐蚀速率的预测效果显著,LSSVM模型在建模过程中具有更快的学习速度,同时,采用APSO进行参数优化,提高了模型的预测精度和泛化能力,在埋地管道腐蚀速率预测中可用性很强。
-
-
-