凌晓:基于改进PSO-BPNN的输油管道内腐蚀速率研究论文

凌晓:基于改进PSO-BPNN的输油管道内腐蚀速率研究论文

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

  • [1].On-line Tool Condition Monitoring with Improved Fuzzy Neural Network[J]. 李小俚.  High Technology Letters.1997(01)
  • [2].BPNN用于含氮、硫杂环润滑油添加剂抗磨性能的定量构效关系研究[J]. 王婷婷,戴康,王展,彭浩,高新蕾.  摩擦学学报.2017(04)
  • [3].改进的BPnn在移动机器人轨迹跟踪中的应用[J]. 陈卫东,张燕,朱奇光.  计算机工程与应用.2011(08)
  • [4].基于BPNN的快递人员360°绩效考核软件开发[J]. 刘燕萍,高玥珣,许立超,郑鸿怡.  福建电脑.2018(09)
  • [5].Genetic Algorithm Based on New Evaluation Function and Mutation Model for Training of BPNN[J]. 周祥,何小荣,陈丙珍.  Tsinghua Science and Technology.2002(01)
  • [6].基于优化FOA-BPNN模型的脱贫时间预测[J]. 朱容波,张静静,李媛丽,海梦婕,王德军.  中南民族大学学报(自然科学版).2018(04)
  • [7].基于BPNN的模拟电路子网络故障诊断[J]. 秦福星,王修敏,孙昌将.  船电技术.2014(05)
  • [8].基于遗传算法优化的BPNN读者满足率评价模型[J]. 张修文,付佳,孙达辰,孙雪莲.  中华医学图书情报杂志.2013(10)
  • [9].混合粒子群算法优化BPNN在模拟电路故障诊断中的应用[J]. 李志华,朱卉,潘月.  控制工程.2014(03)
  • [10].基于GA-BPNN的巷道围岩变形模量预测[J]. 王德永,袁艳斌,陈颖.  金属矿山.2013(03)
  • 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:;  ;  ;  ;  ;  

    凌晓:基于改进PSO-BPNN的输油管道内腐蚀速率研究论文
    下载Doc文档

    猜你喜欢