基于核主成分分析算法的海底管道内腐蚀风险预测

摘要：

采用核主成分分析(KPCA)算法,分别对高斯核支持向量机(SVM-rbf)、多项式核支持向量机(SVM-poly)、线性核支持向量机(SVM-linear)、人工神经网络(ANN)和随机森林(RFR)等算法进行优化,以网格搜索法进行参数寻优,对20条海底管道的最大腐蚀速率进行预测,以均方根误差(RMSE)、平均绝对误差(MAE)和平方相关系数(R2)作为评价指标对优化前后模型的预测效果进行评价.结果表明:优化后各模型的R2值显著提高,最高达0.987 7;KPCA能够降低特征维度,减少噪声干扰,提升模型预测性能;优化后的支持向量机算法对海底管道腐蚀速率预测的准确性较高,能够为海底油气田管道腐蚀的预警与防护提供参考.

关键词：核主成分分析、支持向量机、随机森林、人工神经网络、H2S/CO2腐蚀

所属期刊栏目：44

分类号：TG174(金属学与热处理)

资助基金：国家重点研发计划2020YFB0704501

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：82-87