大气腐蚀数据降维最优维度研究

目的确定金属大气腐蚀数据降维的最优维度。方法分别采用PCA、MDS、Isomap和LLE四种方法对大气腐蚀数据进行降维处理,并采用集成学习算法建立预测模型。针对不同的降维方法和近邻点个数计算,使用MAPE(Mean Absolute Percentage Error,相对百分误差绝对值的平均值)对预测结果进行评价,将最佳预测速率所对应的维度作为最优维度。结果不同的降维方法和近邻参数作用下,最优维度从2维到7维不等。流形学习方法对大气腐蚀数据进行降维的MAPE均小于线性降维方法。结论适合每种降维方法的最优维度可能是不同的,通过对MAPE进行对比,得到大气腐蚀数据在各种降维方法的最优维度。     

基于流形降维和梯度提升树的大气腐蚀速率预测模型

目的为了挖掘大气腐蚀速率与金属化学成分和暴露时间两个影响因素的定量关系,针对数据集特点,提出一种局部保持投影(Locality Preserving Projection)和梯度提升树(Gradient Boosting Decision Trees)结合的大气腐蚀速率预测模型(LPP-GBDT)。方法采用LPP算法对金属化学成分进行降维处理,得到金属化学成分低维特征,然后引入时间因素,并利用GBDT进行建立预测模型。以青岛海洋大气环境下积累的16年内的腐蚀速率数据进行模型性能验证,结果 LPP-GBDT模型测试集平均绝对误差为1.73μm/a,平均绝对百分误差为6.30%。正交化LPP-GBDT模型测试集平均绝对误差为1.21μm/a,平均绝对百分误差为4.42%。结论与多个典型预测模型相比,LPP-GBDT模型基于暴露时间和化学成分因素实现了大气腐蚀速率较为准确的预测,对特定环境下金属选材具有一定的参考价值。