一种基于KPCA-BAS-GRNN的埋地管道外腐蚀速率预测方法

摘要

本发明公开了一种基于KPCA‑BAS‑GRNN的埋地管道外腐蚀速率预测方法，包括以下步骤：将管道外腐蚀指标体系的数据分为训练样本及测试样本，再通过训练样本对广义回归神经网络的腐蚀预测模型进行训练，并采用天牛须搜索算法优化腐蚀预测模型的光滑因子σ，然后将测试样本输入到训练后的广义回归神经网络的腐蚀预测模型中，得预测值，再根据预测值及实测值判断训练后广义回归神经网络的腐蚀预测模型的优劣性，当训练后广义回归神经网络的腐蚀预测模型较优时，则将待预测埋地管道外腐蚀的检测数据输入到训练后的广义回归神经网络的腐蚀预测模型中，得埋地管道的外腐蚀速率，该方法能够实现管道腐蚀速率的预测，并且可靠性较高。