摘要：为克服埋地管道土壤腐蚀因素间的复杂性及传统方法预测精度低、适用性差等缺陷，提出基于粗糙集（RS）和改进粒子群算法（PSO）融合广义回归神经网络（GRNN）的埋地管道土壤腐蚀预测模型。通过属性约简，提取影响管道土壤腐蚀的主要因素，将其结果作为GRNN的输入，运用改进的PSO优化GRNN的参数．构建预测模型，并以中俄原油管道为例，进行土壤腐蚀实证分析。结果表明，与标准PSO相比，改进PSO的迭代收敛速度更快，稳定性更好，且该模型预测效果优于常规的误差反向传播（BP）模型和粗糙集融合支持向量机（RS—SVM）模型，为埋地管道土壤腐蚀研究提供了新思路．具有较好的借鉴意义。
分类：期刊> 自然科学与工程技术> 工程科技I> 材料科学
收录：CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：土壤腐蚀 埋地管道 粗糙集理论 粒子群算法 广义回归神经网络
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
