应用PCA和BP神经网络预测采出水对C20钢的腐蚀速率
100 积分
50
评分
4.7 积分- 详情
- 2021-04-27
- 简介
pdf
- 1.4MB
- 页数 7P
- 阅读 88
- 下载 34
分析了气田采出水水质及挂片试验水样对管线钢的腐蚀速率。利用BP神经网络建立了C20钢材的腐蚀速率预测模型。通过改变网络输入参数、隐层节点数对模型进行优化,发现在样本数目一定的情况下,仅通过改变网络结构难以进一步减小输出误差。采用PCA(主成分分析法),用6个主成分代替了原来大量的水质指标作为网络输入,有效地降低了网络输出的误差。结果表明,采用水质指标的主成分分析与BP神经网络可以建立较准确的C20钢腐蚀速率预测模型。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
应用PCA和BP神经网络预测采出水对C20钢的腐蚀速率 1.4MB
基于PCA-BP神经网络的大型公共建筑能耗预测 1.7MB
基于PCA的BP神经网络分类器 1.6MB
基于PCA和BP神经网络的住宅特征价格模型研究 996KB
BP神经网络在基坑变形预测分析中的应用 253KB
BP神经网络在基坑变形预测中的应用及改进 307KB
改进BP神经网络及其在西北建筑业预测中的应用 138KB
改进BP神经网络算法在基坑沉降预测中的应用 292KB
基于BP神经网络的建筑物用电能耗预测 149KB
盾构施工引起地表沉降的BP神经网络预测 492KB