基于GA算法优化Stacking集成学习的金属材料大气腐蚀速率研究

摘要

针对大气环境下电网设备中金属材料的腐蚀速率预测问题,提出一种基于遗传算法(genetic algorithm,GA)优化Stacking集成学习算法模型,挖掘大气环境因子与镀锌钢腐蚀速率的关系。该模型为双层结构,融合了多个预测模型的优点。通过GA算法优化第一层各个初级学习器的待调参数,将初级学习器学习到的数据交给第二层次级学习器做进一步拟合。同时,结合K折交叉验证的方式有效降低过拟合现象。结合Spearman相关系数和随机森林特征重要性评估方法,筛选出与镀锌钢腐蚀速率相关性最高的5个环境因子作为输入,由此展开镀锌钢腐蚀速率预测研究。试验结果表明,相较于单一的机器学习模型,该模型能有效提高预测镀锌钢材料腐蚀速率的拟合度,降低预测误差。