石油机械
石油機械
석유궤계
CHINA PETROLEUM MACHINERY
2003年
1期
14-16
,共3页
神经网络%注水管道%腐蚀速率%预测
神經網絡%註水管道%腐蝕速率%預測
신경망락%주수관도%부식속솔%예측
利用人工神经网络的自适应、自组织学习能力,通过对训练样本集的学习,预测了注水管道的腐蚀速率.通过实例,采用4种不同的预测腐蚀速率的方法,即采用传统的预测腐蚀速率的CVDA-84规范、传统的BP神经网络、改进的Rumelhart和MBP神经网络计算注水管道的腐蚀速率.CVDA-84规范偏保守,采用BP以及改进的BP神经网络预测的腐蚀速率和观测值基本一致.但采用BP人工神经网络预测时,迭代次数比CVDA大得多,采用改进的Rumelhart和MBP神经网络能有效地提高预测速度,改善网络的收敛性,并且使预测精度有所提高.
利用人工神經網絡的自適應、自組織學習能力,通過對訓練樣本集的學習,預測瞭註水管道的腐蝕速率.通過實例,採用4種不同的預測腐蝕速率的方法,即採用傳統的預測腐蝕速率的CVDA-84規範、傳統的BP神經網絡、改進的Rumelhart和MBP神經網絡計算註水管道的腐蝕速率.CVDA-84規範偏保守,採用BP以及改進的BP神經網絡預測的腐蝕速率和觀測值基本一緻.但採用BP人工神經網絡預測時,迭代次數比CVDA大得多,採用改進的Rumelhart和MBP神經網絡能有效地提高預測速度,改善網絡的收斂性,併且使預測精度有所提高.
이용인공신경망락적자괄응、자조직학습능력,통과대훈련양본집적학습,예측료주수관도적부식속솔.통과실례,채용4충불동적예측부식속솔적방법,즉채용전통적예측부식속솔적CVDA-84규범、전통적BP신경망락、개진적Rumelhart화MBP신경망락계산주수관도적부식속솔.CVDA-84규범편보수,채용BP이급개진적BP신경망락예측적부식속솔화관측치기본일치.단채용BP인공신경망락예측시,질대차수비CVDA대득다,채용개진적Rumelhart화MBP신경망락능유효지제고예측속도,개선망락적수렴성,병차사예측정도유소제고.
