Please wait a minute...
中国腐蚀与防护学报  1996, Vol. 16 Issue (4): 307-310         
  研究报告 本期目录 | 过刊浏览 |
基于人工神经网络的金属土壤腐蚀预测方法
郭稚弧;邢政良;金名惠;孟厦兰
华中理工大学化学系
PREDICTING CORROSION RATE OF MILD STEEL IN SOIL BASED ON ARTIFICIAL NEURAL NETWORK
GUO Zhihu; XING Zhengliang; JIN Minghui; MENG Xialan (Huazhong University of Science and Technology; Wuhan 430074)
引用本文:

郭稚弧;邢政良;金名惠;孟厦兰. 基于人工神经网络的金属土壤腐蚀预测方法[J]. 中国腐蚀与防护学报, 1996, 16(4): 307-310.
, , , . PREDICTING CORROSION RATE OF MILD STEEL IN SOIL BASED ON ARTIFICIAL NEURAL NETWORK[J]. J Chin Soc Corr Pro, 1996, 16(4): 307-310.

全文: PDF(264 KB)  
摘要: 将神经网络用于金属土壤腐蚀研究,利用神经网络的学习特征和高度的非线性特征,以土壤理化性能、腐蚀时间、A3钢在土壤腐蚀试验1、2、8个月的腐蚀数据作为网络训练样本,对土壤中埋片24个月的A3钢腐蚀速率进行预测,并对结果进行了分析。
关键词 : 神经网络,  权值,  学习样本,  土壤腐蚀    
Abstract:Artificial neural network, possessing learning and non-linear character, was applied to study corrosion of mild steel in soil. A neural network typically consists of many simple neurons like processing elements called "cell" or "nodes" that interact with other cells using numerical weighted connection. In this study,a neural network with 6-10-1 structure, namely 6 input nodes, 10 hidden layer nodes, 1 output node, was used. The learning algorithm was BP (Back-Propagation) algorithm. Corrosion tests of mild steel in soil were carried out with orthogonal test method, in which five corrosion factors, namely pH value,Cl-, H2O,SO_4~2- and Fe2+ content, were considered and test data of sixteen groups were obtained. These data were used as sample set to train neural network. The inputs of neural network were the five corrosion factors and test duration, the output of neural network was corrosion rate of steel in soil.The research results showed that soil corrosion rates of mild steel in 24 months could be predicted by the trained artificial neural network, and were basically in agreement with experimental data.
Key words: Neural network    Weight    Learning sample    Soil corrosion
收稿日期: 1996-08-25     
1郭稚孤,金名惠,桂修文,孟厦兰,邢政良,罗逸.腐蚀科学与防护技术,1995;7(3):2582尹红风,戴汝为.模式识别与人工智能,1990,3(1):13王强编著.地下金属管道的腐蚀与阴极保护,西宁:青海人民出版社,1984.404KingRA,MillerJDA,WakerleyDS.Br.Corros.J,1973,8(3):895郭稚弧,唐和清,张君华,张维宇,佐佐本和夫.广岛大学工学部研究报告,1992;40(1):516周建华.介质条件对碳钢在上壤中腐蚀速度的影响,华中理工大学化学系学士论文,1993
[1] 卢壹梁, 张强, 金焱, 陈云, 杨丙坤, 王晓芳, 韩钰. Cl- 对Cu在库尔勒土壤模拟液中腐蚀行为的影响[J]. 中国腐蚀与防护学报, 2026, 46(5): 1605-1612.
[2] 刘晨辉, 刘光明, 朱炎彬, 卢壹梁, 张玲玲, 黄泽邦. 模拟盐碱土渗入地下海水对纯锌腐蚀行为影响的研究[J]. 中国腐蚀与防护学报, 2026, 46(3): 864-874.
[3] 周涛涛, 刘迎正, 郑文培, 姜恒良, 刘海鹏, 夏刚. 基于物理信息神经网络的油气管道内腐蚀预测方法[J]. 中国腐蚀与防护学报, 2025, 45(5): 1320-1330.
[4] 申志远, 单广斌, 陈闽东, 刘媛双. 用于腐蚀监测的电化学噪声信号识别方法[J]. 中国腐蚀与防护学报, 2025, 45(5): 1433-1440.
[5] 陈潜, 黄伟, 张昌会, 管奥成, 张宸, 叶晓芃. 基于物理引导的集输管道内腐蚀速率预测及可解释性分析[J]. 中国腐蚀与防护学报, 2025, 45(3): 720-730.
[6] 王刚, 李昭, 王涛, 段腾, 杜翠薇. 光伏桩基用钢在新疆土壤中的腐蚀行为研究[J]. 中国腐蚀与防护学报, 2024, 44(4): 987-992.
[7] 李文杰, 车晓钰, 唐永存, 刘光明, 田文明, 何华林, 刘晨辉. 塑性变形加工对纯锌在天津土壤浸出液中腐蚀行为的影响[J]. 中国腐蚀与防护学报, 2024, 44(2): 497-504.
[8] 卞亚飞, 汤文明, 张洁, 毛锐锐, 缪春辉, 陈国宏. 安徽省电网接地材料Q235钢的土壤腐蚀特性及规律性研究[J]. 中国腐蚀与防护学报, 2024, 44(1): 130-140.
[9] 高义斌, 杜晓刚, 王启伟, 钟黎明, 付文华, 张邯平, 张甍, 姜春海. 铜在电网接地工况下的腐蚀行为研究[J]. 中国腐蚀与防护学报, 2023, 43(2): 435-440.
[10] 王明好, 王欢, 刘叡, 孟凡帝, 刘莉, 王福会. 基于深度学习方法的N5/NiCrAlY涂层图像识别的研究[J]. 中国腐蚀与防护学报, 2022, 42(4): 583-589.
[11] 丁聪, 张金玲, 于彦冲, 李烨磊, 王社斌. A572Gr.65钢在不同土壤模拟液中的腐蚀动力学[J]. 中国腐蚀与防护学报, 2022, 42(1): 149-155.
[12] 唐荣茂, 朱亦晨, 刘光明, 刘永强, 刘欣, 裴锋. Q235钢/导电混凝土在3种典型土壤环境中腐蚀的灰色关联度分析[J]. 中国腐蚀与防护学报, 2021, 41(1): 110-116.
[13] 朱亦晨,刘光明,刘欣,裴锋,田旭,师超. 红壤地区接地材料现场埋样与加速腐蚀实验的相关性研究[J]. 中国腐蚀与防护学报, 2019, 39(6): 550-556.
[14] 于利宝, 闫茂成, 王彬彬, 舒韵, 许进, 孙成. 酸性土壤环境中Q235钢的微生物腐蚀行为[J]. 中国腐蚀与防护学报, 2018, 38(1): 10-17.
[15] 郭宝会, 邱友绪, 李海龙. 人工神经网络在钛合金表面Ni-SiC复合电镀工艺中的应用[J]. 中国腐蚀与防护学报, 2017, 37(4): 389-394.