根据领域专家经验,利用与储罐底板腐蚀相关的外部表征因素,采用随机重启爬山算法等5种启发式算法构建储罐底板腐蚀状况贝叶斯网络智能评价模型.将模型预测结果与声发射在线检测结果对比,随机重启爬山算法构建的网络模型预测能力优于其他4种算法的网络结构,平均准确率为92%.预测结果表明,该预测模型能够解决储罐底板腐蚀状况的预测问题,具有一定的工程应用价值.
参考文献
[1] | 关卫和,沈纯厚,陶元宏,陈颖峰.大型立式储罐在线声发射检测与安全性评估[J].压力容器,2005(01):40-44. |
[2] | 戴光,李善春,李伟.储罐的声发射在线检测技术与研究进展[J].压力容器,2005(03):33-35. |
[3] | 林士敏,田凤占,陆玉昌.贝叶斯网络的建造及其在数据采掘中的应用[J].清华大学学报(自然科学版),2001(01):49-52. |
[4] | Cofi(n)o A S;Cano R;Sordo C.Bayesian networks for probabilistic weather prediction[A].,2002:695-700. |
[5] | Witten I H;Frank E;董琳.数据挖掘实用及其学习技术[M].北京:机械工业出版社,2006:180-188. |
[6] | Chickering D M;Heckerman D;Meek C .Large-sample learning of bayesian networks is NP-hard[J].Journal of Machine Learning Research,2004,5:1287-1330. |
[7] | JB/T 10764-2007.常压金属储罐声发射检测及评价方法[S].,2007. |
[8] | 赵淑楠,张绍举,刘钧泉.高温盐酸对碳钢腐蚀速率影响的探讨[J].石油化工设备技术,2008(04):25-27. |
[9] | 陈舵,李雪,崔杜武,费蓉.一种基于模糊度的聚类有效性函数[J].模式识别与人工智能,2008(01):34-41. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分:
-
10%
-
20%
-
30%
-
40%
-
50%