基于数据驱动的海水环境中3C钢腐蚀速率的预测

摘要

为了快速、准确地预测3C钢的腐蚀速率,利用文献中的数据建立了基于高斯核函数的支持向量回归(RBF-SVR)模型和基于3种模型的组合模型。通过基于SVR的遗传算法、前进算法和后退算法分别对数据集进行降维,SVR的留一法交叉验证与网格搜索对超参进行调优,建立了预测3C钢腐蚀速率的RBF-SVR模型。将RBF-SVR模型与文献中基于遗传算法的反向传输神经网络(GA-BPNN)模型和四层反向传输神经网络(BPNN)模型综合为一个组合模型,研究结果表明该组合模型具有更高的预测精度和泛化能力。