一种bp神经网络的碳钢腐蚀速率预测方法
【专利摘要】一种BP神经网络的碳钢腐蚀速率预测方法,属于碳钢腐蚀速率预测、计算机程序【技术领域】。结合试验数据建立BP神经网络模型；隐含层神经元的传递函数采用log-sigmoid作用函数，输出层神经元的传递函数采用线型函数；将样本数据分为训练样本和检测样本，设定目标误差为0.1%，对BP神经网络进行有限次的反复训练，当预测值与实测值间误差达到目标误差时，停止训练，开始预测。当神经网络对各组测试样本的预测误差均低于规定水平时即通过测试，利用通过测试的神经网络进行预测时，先将检测数据归一化到-1到+1之间，再进行神经网络模型的输入，网络运算后的结果即为碳钢腐蚀速率的预测值。
【专利说明】一种BP神经网络的碳钢腐蚀速率预测方法
【技术领域】
[0001] 本发明涉及一种BP神经网络的碳钢腐蚀速率预测方法，属于碳钢腐蚀速率预测、 计算机程序【技术领域】。
【背景技术】
[0002]目前，高硫高酸环境中的碳钢腐蚀是一个复杂的问题，影响因素较多，各种因素之 间还会相互影响，同时这些影响因素又常常具有许多不确定性，这样就很难给出一种确定 的表达式来描述。常用的建立数学模型的方法大致分为两类：一类是从固化机理出发建立 理论数学模型；另一类是从实验出发，分析各种因素对碳钢腐蚀速率的影响，用数学回归的 方法建立使用的数学模型。对于第一类的模型，由于建立数学模型的出发点不同，模型的使 用条件和使用程度也各不相同；对于第二类模型，由于碳钢腐蚀所涉及的因素较多，作用机 理也较为复杂，很难用一个简单的式子来表示，拟合的结果往往与实际的结果相差很大。
[0003] BP神经网络与以上两种方法相比，具有较大的优越性。BP(Back Propagation)网 络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法 训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量 的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规 则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和 最小。BP神经网络模型拓扑结构包括输入层（input)、隐层（hide layer)和输出层（output layer)〇
[0004] 它是一种误差逆传播神经网络，具有以任意精度逼近任何非线性连续函数的能 力，并行分布处理方式使它具有很强的容错性和快速处理信息的能力，而数据融合能力使 它可以同时处理定量的和定性的信息；另一方面可以使用较简单的语言进行模拟，可以避 免大量复杂的编程工作。因此基于BP神经网络的碳钢腐蚀速率预测方法能准确、快速地预 测碳钢腐蚀速率，从而节约了大量人力和物力。
【发明内容】
[0005] 本发明的目的是：一种BP神经网络的碳钢腐蚀速率预测方法，避免目前用建立数 学模型的方法来确定影响因素对碳钢腐蚀的固化表达方式存在的缺陷，提供一种能够解决 传统预测模型所具有的问题，准确、快速地预测碳钢腐蚀速率。
[0006] 本发明采用的技术方案是：
[0007] 本发明的一种基于BP神经网络的碳钢腐蚀速率预测方法，包括以下步骤：
[0008] 步骤1、建立BP网络模型步骤，
[0009] 神经网络有一个输入层、一个隐含层和一个输出层组成；
[0010] 其中，输入层有5个神经元，分别对应Cl_浓度、H2S分压、总压、pH值和温度5个 指标；确定隐含层神经元数为10 ;
[0011] 网络输出层为目标值碳钢腐蚀速率，故只有1个神经元；
[0012] 隐含层神经元的传递函数为log-sigmoid作用函数，输出层神经元的传递函数采 用线型函数；
[0013] 传递函数表达式：
【权利要求】
1. 一种BP神经网络的碳钢腐蚀速率预测方法，结合试验数据建立BP神经网络模型； BP神经网络包括一个输入层、一个隐含层和一个输出层；输入层有5个神经元，隐含层 有10个神经元，输出层有一个神经元； 隐含层神经元的传递函数采用log-sigmoid作用函数，输出层神经元的传递函数采用 线型函数； 将样本数据分为训练样本和检测样本，设定目标误差为〇. 1%，对BP神经网络进行有限 次的反复训练，当预测值与实测值间误差达到目标误差时，停止训练，开始预测。当神经网 络对各组测试样本的预测误差均低于规定水平时即通过测试，利用通过测试的神经网络进 行预测时，先将检测数据归一化到-1到+1之间，再进行神经网络模型的输入，网络运算后 的结果即为碳钢腐蚀速率的预测值。
2. 根据权利要求1所述的一种BP神经网络的碳钢腐蚀速率预测方法，其特征在于含有 以下步骤： 步骤1、建立BP网络模型步骤， 神经网络有一个输入层、一个隐含层和一个输出层组成； 其中，输入层有5个神经元，分别对应Cl_浓度、H2S分压、总压、pH值和温度5个指标； 确定隐含层神经元数为10 ; 网络输出层为目标值碳钢腐蚀速率，故只有1个神经元； 隐含层神经元的传递函数为log-sigmoid作用函数，输出层神经元的传递函数采用线 型函数； 传递函数表达式：= ; l + e 线型函数：线型传输函数的输出等于输入，a=x，表达式为：a=purelin (x); 步骤2、利用matlab编程对BP神经网络进行训练和测试步骤； 通过运用误差反传原理不断调整网络权值，从而使得模型输出值与训练样本输出值之 间的误差平方和达到最小或者小于某一期望值；当神经网络模型确定后，将失重实验样本 数据输入网络中进行网络训练，给定目标误差为〇. 1%，由于实验样本数据量大且准确性好， 当训练进行到35步时，网络模型预测输出值与实验真实值之间的误差就接近目标值，训练 的收敛性很好；在进行训练时，当神经网络在各组测试数据的预测误差均低于规定水平时 即通过测试，用于预测工作； 步骤3、利用通过测试的BP神经网络模型对碳钢腐蚀速率进行预测步骤； 利用通过测试的BP神经网络模型对碳钢腐蚀速率进行预测，先将输入数据归一化 到-1到+1之间，再输入到通过测试的神经网络中，经过网络运算后的输出值就是碳钢的腐 蚀速率的预测值。
3. 根据权利要求2所述的一种BP神经网络的碳钢腐蚀速率预测方法，其特征在于步骤 2利用matlab编程对BP神经网络进行训练和测试步骤中含有以下步骤： 步骤1 ;初始化； 步骤2 ;给定输入向量和目标输出； 步骤3 ;求隐层、输出层各单元输出； 步骤4 ;求实际输出与目标值的偏差值； 步骤5 ;偏差值满足要求否，偏差值满足要求，转向步骤9 ;偏差值不满足要求，转向步 骤6; 步骤6;计算隐层单元误差； 步骤7 ;求误差梯度； 步骤8 ;仅值调整； 步骤9 ;全部偏差值满足要求否，全部偏差值满足要求，转向步骤10 ;全部偏差值不满 足要求，转向步骤6; 步骤10 ;结束程序。
【文档编号】G06F19/00GK104239659SQ201310224915
【公开日】2014年12月24日 申请日期:2013年6月7日 优先权日:2013年6月7日
【发明者】赵永涛, 孙文勇, 熊金平, 杨剑锋, 刘文彬 申请人:中国石油天然气集团公司, 中国石油集团安全环保技术研究院, 北京中油爱索环境工程技术有限公司