本文主要研究内容
作者凌晓,徐鲁帅,梁瑞,郭凯,崔本廷,岳守体(2019)在《基于改进PSO-BPNN的输油管道内腐蚀速率研究》一文中研究指出:为解决输油管道易腐蚀,且腐蚀程度难以测量的问题,提出使用改进的粒子群算法(PSO)优化误差反向传播神经网络(BPNN)对输油管道内腐蚀速率进行预测。改进的PSO算法提升了自身搜索到全局最优的能力,可为BPNN提供最优初始权值和阈值,从而有效避免BPNN易陷入局部最优的问题发生。以某条输油管线为例,分别运用标准的BPNN模型、PSO-BPNN以及改进的PSO-BPNN对该管线内腐蚀速率进行预测。结果表明:基于改进的PSO-BPNN的预测结果平均相对误差为5. 57%,预测精度较BPNN和PSO-BPNN有明显提升。使用改进的PSO-BPNN预测输油管道的腐蚀速率可为管道的检测维修提供可靠的理论和技术支撑。
Abstract
wei jie jue shu you guan dao yi fu shi ,ju fu shi cheng du nan yi ce liang de wen ti ,di chu shi yong gai jin de li zi qun suan fa (PSO)you hua wu cha fan xiang chuan bo shen jing wang lao (BPNN)dui shu you guan dao nei fu shi su lv jin hang yu ce 。gai jin de PSOsuan fa di sheng le zi shen sou suo dao quan ju zui you de neng li ,ke wei BPNNdi gong zui you chu shi quan zhi he yu zhi ,cong er you xiao bi mian BPNNyi xian ru ju bu zui you de wen ti fa sheng 。yi mou tiao shu you guan xian wei li ,fen bie yun yong biao zhun de BPNNmo xing 、PSO-BPNNyi ji gai jin de PSO-BPNNdui gai guan xian nei fu shi su lv jin hang yu ce 。jie guo biao ming :ji yu gai jin de PSO-BPNNde yu ce jie guo ping jun xiang dui wu cha wei 5. 57%,yu ce jing du jiao BPNNhe PSO-BPNNyou ming xian di sheng 。shi yong gai jin de PSO-BPNNyu ce shu you guan dao de fu shi su lv ke wei guan dao de jian ce wei xiu di gong ke kao de li lun he ji shu zhi cheng 。
论文参考文献
论文详细介绍
论文作者分别是来自中国安全生产科学技术的凌晓,徐鲁帅,梁瑞,郭凯,崔本廷,岳守体,发表于刊物中国安全生产科学技术2019年10期论文,是一篇关于输油管道论文,粒子群算法论文,神经网络论文,腐蚀速率论文,中国安全生产科学技术2019年10期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自中国安全生产科学技术2019年10期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:输油管道论文; 粒子群算法论文; 神经网络论文; 腐蚀速率论文; 中国安全生产科学技术2019年10期论文;