[發(fā)明專(zhuān)利]一種基于隨機(jī)森林算法的碳鋼腐蝕速率預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011246916.7
• 申請(qǐng)日: 2020-11-10
• 公開(kāi)（公告）號(hào): CN112348264A
• 公開(kāi)（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 代芹芹;范益;蔡佳興;程學(xué)群;馬宏馳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京鋼鐵股份有限公司
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q50/04;G06N3/00
• 代理公司: 南京蘇高專(zhuān)利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 張華蒙

1.一種基于隨機(jī)森林算法的碳鋼腐蝕速率預(yù)測(cè)方法，其特征在于：包括以下步驟：

1)采集數(shù)據(jù)：采集影響碳鋼腐蝕的主要因素SO₂、溫度、濕度和降雨，利用高通量的腐蝕監(jiān)測(cè)探頭，每分鐘采集一條溫度、濕度和腐蝕電流數(shù)據(jù)點(diǎn)，測(cè)試站點(diǎn)共采集一年的數(shù)據(jù)量；

2)數(shù)據(jù)前期處理：對(duì)采集的數(shù)據(jù)點(diǎn)篩選出異常值并刪除；

3)建立腐蝕預(yù)測(cè)模型：利用隨機(jī)森林算法，建立SO₂、溫度、濕度和腐蝕電流的關(guān)系模型；

4)驗(yàn)證模型：利用掛片腐蝕速率驗(yàn)證模型計(jì)算的腐蝕速率準(zhǔn)確度；

a(x)＝(1-|v₁-v₂|/v₂)*100％

式中，a(x)表示腐蝕準(zhǔn)確率，v₁表示傳統(tǒng)的掛片腐蝕速率，v₂表示模型計(jì)算的腐蝕速率；

5)預(yù)測(cè)碳鋼腐蝕速率：收集的SO₂、溫度、濕度、降雨等信息，利用已建立的腐蝕預(yù)測(cè)模型，對(duì)碳鋼進(jìn)行腐蝕速率預(yù)測(cè)。

2.根據(jù)權(quán)利要求1所述的一種基于隨機(jī)森林算法的碳鋼腐蝕速率預(yù)測(cè)方法，其特征在于：步驟1)中，所述的采集數(shù)據(jù)具體為每一分鐘采集一個(gè)數(shù)據(jù)點(diǎn)，采集的數(shù)據(jù)項(xiàng)包括SO₂、溫度、濕度、降雨量和腐蝕電流，采集一年的數(shù)據(jù)量。

3.根據(jù)權(quán)利要求1所述的一種基于隨機(jī)森林算法的碳鋼腐蝕速率預(yù)測(cè)方法，其特征在于：步驟2)中，所述的數(shù)據(jù)前期處理具體為對(duì)完全重復(fù)的數(shù)據(jù)刪除后，將數(shù)據(jù)根據(jù)降雨情況劃分為雨季和旱季兩段數(shù)據(jù)；將降雨信息，只要下雨，不論降雨量大小，一律置為數(shù)值1；對(duì)沒(méi)有降雨的數(shù)據(jù)點(diǎn)，按照濕度大小劃分?jǐn)?shù)據(jù)等級(jí)；將降雨信息和濕度等級(jí)的劃分值作為影響碳鋼腐蝕速率的因素，并參與模型計(jì)算。

4.根據(jù)權(quán)利要求1所述的一種基于隨機(jī)森林算法的碳鋼腐蝕速率預(yù)測(cè)方法，其特征在于：所述的步驟3)中，將測(cè)試地點(diǎn)的SO₂、溫度、濕度和數(shù)值等級(jí)劃分值作為自變量x，腐蝕電流數(shù)值作為因變量y，利用隨機(jī)森林算法，建立x和y之間的關(guān)系模型，即腐蝕預(yù)測(cè)模型。

5.根據(jù)權(quán)利要求4所述的一種基于隨機(jī)森林算法的碳鋼腐蝕速率預(yù)測(cè)方法，其特征在于：步驟3)中，所述的建立腐蝕預(yù)測(cè)模型，包括如下步驟：

3.1)使用Bootstrap方法隨機(jī)有放回地從N個(gè)原始訓(xùn)練樣本中選擇n(nN)個(gè)樣本生成m個(gè)訓(xùn)練子集。

3.2)分別對(duì)m個(gè)訓(xùn)練子集進(jìn)行決策樹(shù)建模：在節(jié)點(diǎn)上所有的樣本特征中隨機(jī)選擇一部分樣本特征，依據(jù)最小均方差進(jìn)行決策樹(shù)的左右子樹(shù)劃分，遞歸建樹(shù)直到滿(mǎn)足終止條件：

其中，對(duì)于任意劃分特征A，對(duì)應(yīng)任意劃分點(diǎn)a兩邊劃分成的數(shù)據(jù)集D₁和D₂；式中，x_i為樣本值，y_i是與x_i對(duì)應(yīng)的真實(shí)值，c₁為D₁數(shù)據(jù)集的樣本輸出均值，c₂為D₂數(shù)據(jù)集的樣本輸出均值；每棵決策樹(shù)由樣本量為n的訓(xùn)練子集X和θ_k生成；隨機(jī)向量序列{θ_k,k＝1,2....n}獨(dú)立同分布；

3.3)重復(fù)以上步驟，將多棵決策樹(shù)組成隨機(jī)森林，即所有決策樹(shù)的集合{h(X,θ_k),k＝1,2...n}，其中，每個(gè)決策樹(shù)模型h(X,θ_k)都有一票投票權(quán)來(lái)選擇輸入變量x的分類(lèi)結(jié)果：

其中，H(x)表示隨機(jī)森林分類(lèi)結(jié)果，h_i(x)是單個(gè)決策樹(shù)分類(lèi)結(jié)果，Y表示分類(lèi)目標(biāo)，I(.)為示性函數(shù)；

3.4)將測(cè)試樣本輸入隨機(jī)森林回歸模型，采用簡(jiǎn)單投票機(jī)制，即票數(shù)最多的作為最終預(yù)測(cè)結(jié)果，并與實(shí)際值對(duì)比，評(píng)價(jià)模型的擬合效果。

6.根據(jù)權(quán)利要求1所述的一種基于隨機(jī)森林算法的碳鋼腐蝕速率預(yù)測(cè)方法，其特征在于：步驟5)中，利用步驟3)建立的關(guān)系模型，將SO₂、溫度、濕度和降雨信息輸入至模型中，計(jì)算出腐蝕電流值，根據(jù)法拉第定律進(jìn)一步將腐蝕電流換算成腐蝕速率。