基于RBF神经网络的合金铸铁动态腐蚀性能预测

摘要

通过动态质量损失腐蚀试验获取样本数据,利用Matlab的工具箱函数建立了合金铸铁碱腐蚀速率的RBF神经网络预测模型,并对网络模型的预测精度进行了研究.结果表明,在样本集和训练条件下,RBF神经网络模型较好地反映出腐蚀时间、合金铸铁主要合金成分与腐蚀速率之间的非线性关系,可用于合金铸铁在高温浓碱液中的动态腐蚀性能的预测;当RBF网络的扩展系数为0.47时,动态腐蚀速率的试验值与网络预测值之间的误差最小,且耐蚀性评价准确率达到100％.