1
2009
... 对于电力行业，设备用金属材料腐蚀类型主要是大气腐蚀，大气腐蚀的发生除了受到金属本身性质影响外，环境因素是影响大气腐蚀的主要因素，包括气候因子、大气成分、温度和湿度等[1~3].环境中影响大气腐蚀的因素众多且具有协同作用，使得腐蚀相关数据的统计分析以及腐蚀速率的预测遇到了很大的困难.金属腐蚀速率的预测都是将通过材料的室内加速模拟实验和实际服役大气环境自然暴露，获得金属材料的腐蚀数据和环境数据，并利用不同的方法对腐蚀数据和环境数据进行分析处理，获得金属材料的腐蚀预测模型，进而对其在实际服役环境中的使用寿命进行预测.目前，针对腐蚀数据集，国内外已有诸多学者进行相关的数据分析以及预测建模研究.特别是近些年来，随着机器学习与人工智能算法的兴起，学者们利用部分机器学习算法对多种类型的腐蚀数据进行了建模、预测与知识挖掘研究.目前常用的腐蚀预测模型主要有函数模型、多元线性回归分析模型、灰色理论模型、人工神经网络和剂量响应函数等[4~6]. ...
1
2009
... 对于电力行业，设备用金属材料腐蚀类型主要是大气腐蚀，大气腐蚀的发生除了受到金属本身性质影响外，环境因素是影响大气腐蚀的主要因素，包括气候因子、大气成分、温度和湿度等[1~3].环境中影响大气腐蚀的因素众多且具有协同作用，使得腐蚀相关数据的统计分析以及腐蚀速率的预测遇到了很大的困难.金属腐蚀速率的预测都是将通过材料的室内加速模拟实验和实际服役大气环境自然暴露，获得金属材料的腐蚀数据和环境数据，并利用不同的方法对腐蚀数据和环境数据进行分析处理，获得金属材料的腐蚀预测模型，进而对其在实际服役环境中的使用寿命进行预测.目前，针对腐蚀数据集，国内外已有诸多学者进行相关的数据分析以及预测建模研究.特别是近些年来，随着机器学习与人工智能算法的兴起，学者们利用部分机器学习算法对多种类型的腐蚀数据进行了建模、预测与知识挖掘研究.目前常用的腐蚀预测模型主要有函数模型、多元线性回归分析模型、灰色理论模型、人工神经网络和剂量响应函数等[4~6]. ...
Recent development in atmospheric corrosion study of materials in China (the end)
1
2006
... 对于电力行业，设备用金属材料腐蚀类型主要是大气腐蚀，大气腐蚀的发生除了受到金属本身性质影响外，环境因素是影响大气腐蚀的主要因素，包括气候因子、大气成分、温度和湿度等[1~3].环境中影响大气腐蚀的因素众多且具有协同作用，使得腐蚀相关数据的统计分析以及腐蚀速率的预测遇到了很大的困难.金属腐蚀速率的预测都是将通过材料的室内加速模拟实验和实际服役大气环境自然暴露，获得金属材料的腐蚀数据和环境数据，并利用不同的方法对腐蚀数据和环境数据进行分析处理，获得金属材料的腐蚀预测模型，进而对其在实际服役环境中的使用寿命进行预测.目前，针对腐蚀数据集，国内外已有诸多学者进行相关的数据分析以及预测建模研究.特别是近些年来，随着机器学习与人工智能算法的兴起，学者们利用部分机器学习算法对多种类型的腐蚀数据进行了建模、预测与知识挖掘研究.目前常用的腐蚀预测模型主要有函数模型、多元线性回归分析模型、灰色理论模型、人工神经网络和剂量响应函数等[4~6]. ...
我国大气腐蚀研究进展(续完)
1
2006
... 对于电力行业，设备用金属材料腐蚀类型主要是大气腐蚀，大气腐蚀的发生除了受到金属本身性质影响外，环境因素是影响大气腐蚀的主要因素，包括气候因子、大气成分、温度和湿度等[1~3].环境中影响大气腐蚀的因素众多且具有协同作用，使得腐蚀相关数据的统计分析以及腐蚀速率的预测遇到了很大的困难.金属腐蚀速率的预测都是将通过材料的室内加速模拟实验和实际服役大气环境自然暴露，获得金属材料的腐蚀数据和环境数据，并利用不同的方法对腐蚀数据和环境数据进行分析处理，获得金属材料的腐蚀预测模型，进而对其在实际服役环境中的使用寿命进行预测.目前，针对腐蚀数据集，国内外已有诸多学者进行相关的数据分析以及预测建模研究.特别是近些年来，随着机器学习与人工智能算法的兴起，学者们利用部分机器学习算法对多种类型的腐蚀数据进行了建模、预测与知识挖掘研究.目前常用的腐蚀预测模型主要有函数模型、多元线性回归分析模型、灰色理论模型、人工神经网络和剂量响应函数等[4~6]. ...
Statistical analysis and predictive model in corrosion research
1
2010
... 对于电力行业，设备用金属材料腐蚀类型主要是大气腐蚀，大气腐蚀的发生除了受到金属本身性质影响外，环境因素是影响大气腐蚀的主要因素，包括气候因子、大气成分、温度和湿度等[1~3].环境中影响大气腐蚀的因素众多且具有协同作用，使得腐蚀相关数据的统计分析以及腐蚀速率的预测遇到了很大的困难.金属腐蚀速率的预测都是将通过材料的室内加速模拟实验和实际服役大气环境自然暴露，获得金属材料的腐蚀数据和环境数据，并利用不同的方法对腐蚀数据和环境数据进行分析处理，获得金属材料的腐蚀预测模型，进而对其在实际服役环境中的使用寿命进行预测.目前，针对腐蚀数据集，国内外已有诸多学者进行相关的数据分析以及预测建模研究.特别是近些年来，随着机器学习与人工智能算法的兴起，学者们利用部分机器学习算法对多种类型的腐蚀数据进行了建模、预测与知识挖掘研究.目前常用的腐蚀预测模型主要有函数模型、多元线性回归分析模型、灰色理论模型、人工神经网络和剂量响应函数等[4~6]. ...
腐蚀研究中的统计分析方法和预测模型
1
2010
... 对于电力行业，设备用金属材料腐蚀类型主要是大气腐蚀，大气腐蚀的发生除了受到金属本身性质影响外，环境因素是影响大气腐蚀的主要因素，包括气候因子、大气成分、温度和湿度等[1~3].环境中影响大气腐蚀的因素众多且具有协同作用，使得腐蚀相关数据的统计分析以及腐蚀速率的预测遇到了很大的困难.金属腐蚀速率的预测都是将通过材料的室内加速模拟实验和实际服役大气环境自然暴露，获得金属材料的腐蚀数据和环境数据，并利用不同的方法对腐蚀数据和环境数据进行分析处理，获得金属材料的腐蚀预测模型，进而对其在实际服役环境中的使用寿命进行预测.目前，针对腐蚀数据集，国内外已有诸多学者进行相关的数据分析以及预测建模研究.特别是近些年来，随着机器学习与人工智能算法的兴起，学者们利用部分机器学习算法对多种类型的腐蚀数据进行了建模、预测与知识挖掘研究.目前常用的腐蚀预测模型主要有函数模型、多元线性回归分析模型、灰色理论模型、人工神经网络和剂量响应函数等[4~6]. ...
Statistical analysis in corrosion research
0
2007
Proceeding of research on national natural environmental corrosion data processing
1
2003
... 对于电力行业，设备用金属材料腐蚀类型主要是大气腐蚀，大气腐蚀的发生除了受到金属本身性质影响外，环境因素是影响大气腐蚀的主要因素，包括气候因子、大气成分、温度和湿度等[1~3].环境中影响大气腐蚀的因素众多且具有协同作用，使得腐蚀相关数据的统计分析以及腐蚀速率的预测遇到了很大的困难.金属腐蚀速率的预测都是将通过材料的室内加速模拟实验和实际服役大气环境自然暴露，获得金属材料的腐蚀数据和环境数据，并利用不同的方法对腐蚀数据和环境数据进行分析处理，获得金属材料的腐蚀预测模型，进而对其在实际服役环境中的使用寿命进行预测.目前，针对腐蚀数据集，国内外已有诸多学者进行相关的数据分析以及预测建模研究.特别是近些年来，随着机器学习与人工智能算法的兴起，学者们利用部分机器学习算法对多种类型的腐蚀数据进行了建模、预测与知识挖掘研究.目前常用的腐蚀预测模型主要有函数模型、多元线性回归分析模型、灰色理论模型、人工神经网络和剂量响应函数等[4~6]. ...
我国材料自然环境腐蚀数据处理研究进展
1
2003
... 对于电力行业，设备用金属材料腐蚀类型主要是大气腐蚀，大气腐蚀的发生除了受到金属本身性质影响外，环境因素是影响大气腐蚀的主要因素，包括气候因子、大气成分、温度和湿度等[1~3].环境中影响大气腐蚀的因素众多且具有协同作用，使得腐蚀相关数据的统计分析以及腐蚀速率的预测遇到了很大的困难.金属腐蚀速率的预测都是将通过材料的室内加速模拟实验和实际服役大气环境自然暴露，获得金属材料的腐蚀数据和环境数据，并利用不同的方法对腐蚀数据和环境数据进行分析处理，获得金属材料的腐蚀预测模型，进而对其在实际服役环境中的使用寿命进行预测.目前，针对腐蚀数据集，国内外已有诸多学者进行相关的数据分析以及预测建模研究.特别是近些年来，随着机器学习与人工智能算法的兴起，学者们利用部分机器学习算法对多种类型的腐蚀数据进行了建模、预测与知识挖掘研究.目前常用的腐蚀预测模型主要有函数模型、多元线性回归分析模型、灰色理论模型、人工神经网络和剂量响应函数等[4~6]. ...
Influence of atmospheric pollution on corrosion of materials in Saudi Arabia
1
2017
... 函数模型的形式比较简单，是目前应用最早且应用范围最广的腐蚀预测模型.研究者们根据大量的腐蚀研究和数据分析提出了金属材料腐蚀随时间的变化规律函数.目前，最常用的腐蚀预测函数模型是腐蚀失重随时间变化的幂函数模型，其形式为[7~10]： ...
Eight-year atmospheric corrosion exposure of steels in China
0
1999
The prediction of atmospheric corrosion from meteorological and pollution parameters—I. Annual corrosion
0
1993
The prediction of atmospheric corrosion from meteorological and pollution parameters—II. Long-term forecasts
1
1993
... 函数模型的形式比较简单，是目前应用最早且应用范围最广的腐蚀预测模型.研究者们根据大量的腐蚀研究和数据分析提出了金属材料腐蚀随时间的变化规律函数.目前，最常用的腐蚀预测函数模型是腐蚀失重随时间变化的幂函数模型，其形式为[7~10]： ...
Sixteen-year atmospheric corrosion exposure study of steels
1
2005
... 幂函数模型从搭建之初至今，经过不同国家研究人员的验证和使用，适用于不同金属材料在不同环境中的腐蚀预测.梁彩凤等[11]通过对不同地区碳钢和低合金钢16 a的大气暴晒腐蚀失重数据分析，证实了幂函数模型在我国不同地区的适用性.邢士波等[12]开展铝合金在西沙海洋大气的自然暴露试验，结果表明随时间延长，铝合金的腐蚀损失量与曝晒时间呈现幂函数规律. ...
碳钢、低合金钢16年大气暴露腐蚀研究
1
2005
... 幂函数模型从搭建之初至今，经过不同国家研究人员的验证和使用，适用于不同金属材料在不同环境中的腐蚀预测.梁彩凤等[11]通过对不同地区碳钢和低合金钢16 a的大气暴晒腐蚀失重数据分析，证实了幂函数模型在我国不同地区的适用性.邢士波等[12]开展铝合金在西沙海洋大气的自然暴露试验，结果表明随时间延长，铝合金的腐蚀损失量与曝晒时间呈现幂函数规律. ...
Corrosion behavior of 7A04 aluminum alloy in Xisha marine atmosphere
1
2013
... 幂函数模型从搭建之初至今，经过不同国家研究人员的验证和使用，适用于不同金属材料在不同环境中的腐蚀预测.梁彩凤等[11]通过对不同地区碳钢和低合金钢16 a的大气暴晒腐蚀失重数据分析，证实了幂函数模型在我国不同地区的适用性.邢士波等[12]开展铝合金在西沙海洋大气的自然暴露试验，结果表明随时间延长，铝合金的腐蚀损失量与曝晒时间呈现幂函数规律. ...
7A04铝合金在西沙海洋大气中的腐蚀行为
1
2013
... 幂函数模型从搭建之初至今，经过不同国家研究人员的验证和使用，适用于不同金属材料在不同环境中的腐蚀预测.梁彩凤等[11]通过对不同地区碳钢和低合金钢16 a的大气暴晒腐蚀失重数据分析，证实了幂函数模型在我国不同地区的适用性.邢士波等[12]开展铝合金在西沙海洋大气的自然暴露试验，结果表明随时间延长，铝合金的腐蚀损失量与曝晒时间呈现幂函数规律. ...
Corrosion of low carbon steel in atmospheric environments of different chloride content
1
2009
... 近些年来，随着腐蚀研究深入，数据分析更加详细，结果表明腐蚀失重随时间变化曲线并不完全符合幂函数模型，腐蚀前期金属材料的腐蚀失重与时间关系呈现幂函数模型，后期金属材料的腐蚀速率不再发生变化，腐蚀失重与时间关系更符合线性函数模型.Ma等[13]分别对低碳钢在海洋大气环境以及工业大气环境中暴晒不同时间后的腐蚀规律进行探索，研究中证实了低碳钢随着暴晒时间的变化更趋向于分段变化，腐蚀速率初期的n值较大，后期则较小，更为接近于线性模式.Panchenko等[14, 15]对碳钢在世界多个地区的长期腐蚀行为进行研究，同样表明了碳钢长期腐蚀行为的幂-线性函数规律，并绘制了不同国家碳钢腐蚀随时间变化的动力学曲线，如图1所示. ...
Long-term forecast of corrosion mass losses of technically important metals in various world regions using a power function
3
2014
... 近些年来，随着腐蚀研究深入，数据分析更加详细，结果表明腐蚀失重随时间变化曲线并不完全符合幂函数模型，腐蚀前期金属材料的腐蚀失重与时间关系呈现幂函数模型，后期金属材料的腐蚀速率不再发生变化，腐蚀失重与时间关系更符合线性函数模型.Ma等[13]分别对低碳钢在海洋大气环境以及工业大气环境中暴晒不同时间后的腐蚀规律进行探索，研究中证实了低碳钢随着暴晒时间的变化更趋向于分段变化，腐蚀速率初期的n值较大，后期则较小，更为接近于线性模式.Panchenko等[14, 15]对碳钢在世界多个地区的长期腐蚀行为进行研究，同样表明了碳钢长期腐蚀行为的幂-线性函数规律，并绘制了不同国家碳钢腐蚀随时间变化的动力学曲线，如图1所示. ...
... [
14,
15]
Corrosion kinetics curves of mass losses (a, c, e, g) and corrosion rates (b, d, f, h) of carbon steels in Finland (a, b), Czechoslovakia (c, d), Sweden (e, f) and France (g, h)<sup>[<xref ref-type="bibr" rid="R14">14</xref>, <xref ref-type="bibr" rid="R15">15</xref>]</sup>Fig.1![]()
幂-线性函数模型更加符合金属材料长期腐蚀演变规律，然而，到目前为止，关于材料腐蚀失重与时间的函数关系转变的判断依据没有明确的标准.Morcillo等[16]认为当腐蚀速率年变化小于10%时，即可认为金属材料腐蚀处于稳定期，腐蚀失重与时间呈线性关系.De La Fuente等[17]研究表明，在所有类型的大气环境中，低碳钢腐蚀速率的稳定需要4~6 a，耐蚀钢在低腐蚀性介质 (腐蚀等级为C2~C3) 中腐蚀速率稳定时间为6~8 a，在高腐蚀性介质 (腐蚀等级为C3~C5) 中腐蚀速率稳定时间为4~6 a.ISO 9224-2012标准根据ISO CORRAG项目在全球各地开展的材料长期暴露试验结果分析，确定当材料暴露时间大于20 a时，金属材料的腐蚀处于稳定期，腐蚀失重与时间呈线性关系，并给出了金属材料在大气环境中长期暴露腐蚀损失的幂-线性函数模型[18]，数学表达式如下所示： ...
... [
14,
15]
Fig.1![]()
幂-线性函数模型更加符合金属材料长期腐蚀演变规律，然而，到目前为止，关于材料腐蚀失重与时间的函数关系转变的判断依据没有明确的标准.Morcillo等[16]认为当腐蚀速率年变化小于10%时，即可认为金属材料腐蚀处于稳定期，腐蚀失重与时间呈线性关系.De La Fuente等[17]研究表明，在所有类型的大气环境中，低碳钢腐蚀速率的稳定需要4~6 a，耐蚀钢在低腐蚀性介质 (腐蚀等级为C2~C3) 中腐蚀速率稳定时间为6~8 a，在高腐蚀性介质 (腐蚀等级为C3~C5) 中腐蚀速率稳定时间为4~6 a.ISO 9224-2012标准根据ISO CORRAG项目在全球各地开展的材料长期暴露试验结果分析，确定当材料暴露时间大于20 a时，金属材料的腐蚀处于稳定期，腐蚀失重与时间呈线性关系，并给出了金属材料在大气环境中长期暴露腐蚀损失的幂-线性函数模型[18]，数学表达式如下所示： ...
Long-term prediction of metal corrosion losses in atmosphere using a power-linear function
3
2016
... 近些年来，随着腐蚀研究深入，数据分析更加详细，结果表明腐蚀失重随时间变化曲线并不完全符合幂函数模型，腐蚀前期金属材料的腐蚀失重与时间关系呈现幂函数模型，后期金属材料的腐蚀速率不再发生变化，腐蚀失重与时间关系更符合线性函数模型.Ma等[13]分别对低碳钢在海洋大气环境以及工业大气环境中暴晒不同时间后的腐蚀规律进行探索，研究中证实了低碳钢随着暴晒时间的变化更趋向于分段变化，腐蚀速率初期的n值较大，后期则较小，更为接近于线性模式.Panchenko等[14, 15]对碳钢在世界多个地区的长期腐蚀行为进行研究，同样表明了碳钢长期腐蚀行为的幂-线性函数规律，并绘制了不同国家碳钢腐蚀随时间变化的动力学曲线，如图1所示. ...
... ,
15]
Corrosion kinetics curves of mass losses (a, c, e, g) and corrosion rates (b, d, f, h) of carbon steels in Finland (a, b), Czechoslovakia (c, d), Sweden (e, f) and France (g, h)<sup>[<xref ref-type="bibr" rid="R14">14</xref>, <xref ref-type="bibr" rid="R15">15</xref>]</sup>Fig.1![]()
幂-线性函数模型更加符合金属材料长期腐蚀演变规律，然而，到目前为止，关于材料腐蚀失重与时间的函数关系转变的判断依据没有明确的标准.Morcillo等[16]认为当腐蚀速率年变化小于10%时，即可认为金属材料腐蚀处于稳定期，腐蚀失重与时间呈线性关系.De La Fuente等[17]研究表明，在所有类型的大气环境中，低碳钢腐蚀速率的稳定需要4~6 a，耐蚀钢在低腐蚀性介质 (腐蚀等级为C2~C3) 中腐蚀速率稳定时间为6~8 a，在高腐蚀性介质 (腐蚀等级为C3~C5) 中腐蚀速率稳定时间为4~6 a.ISO 9224-2012标准根据ISO CORRAG项目在全球各地开展的材料长期暴露试验结果分析，确定当材料暴露时间大于20 a时，金属材料的腐蚀处于稳定期，腐蚀失重与时间呈线性关系，并给出了金属材料在大气环境中长期暴露腐蚀损失的幂-线性函数模型[18]，数学表达式如下所示： ...
... ,
15]
Fig.1![]()
幂-线性函数模型更加符合金属材料长期腐蚀演变规律，然而，到目前为止，关于材料腐蚀失重与时间的函数关系转变的判断依据没有明确的标准.Morcillo等[16]认为当腐蚀速率年变化小于10%时，即可认为金属材料腐蚀处于稳定期，腐蚀失重与时间呈线性关系.De La Fuente等[17]研究表明，在所有类型的大气环境中，低碳钢腐蚀速率的稳定需要4~6 a，耐蚀钢在低腐蚀性介质 (腐蚀等级为C2~C3) 中腐蚀速率稳定时间为6~8 a，在高腐蚀性介质 (腐蚀等级为C3~C5) 中腐蚀速率稳定时间为4~6 a.ISO 9224-2012标准根据ISO CORRAG项目在全球各地开展的材料长期暴露试验结果分析，确定当材料暴露时间大于20 a时，金属材料的腐蚀处于稳定期，腐蚀失重与时间呈线性关系，并给出了金属材料在大气环境中长期暴露腐蚀损失的幂-线性函数模型[18]，数学表达式如下所示： ...
Atmospheric corrosion data of weathering steels. A review
1
2013
... 幂-线性函数模型更加符合金属材料长期腐蚀演变规律，然而，到目前为止，关于材料腐蚀失重与时间的函数关系转变的判断依据没有明确的标准.Morcillo等[16]认为当腐蚀速率年变化小于10%时，即可认为金属材料腐蚀处于稳定期，腐蚀失重与时间呈线性关系.De La Fuente等[17]研究表明，在所有类型的大气环境中，低碳钢腐蚀速率的稳定需要4~6 a，耐蚀钢在低腐蚀性介质 (腐蚀等级为C2~C3) 中腐蚀速率稳定时间为6~8 a，在高腐蚀性介质 (腐蚀等级为C3~C5) 中腐蚀速率稳定时间为4~6 a.ISO 9224-2012标准根据ISO CORRAG项目在全球各地开展的材料长期暴露试验结果分析，确定当材料暴露时间大于20 a时，金属材料的腐蚀处于稳定期，腐蚀失重与时间呈线性关系，并给出了金属材料在大气环境中长期暴露腐蚀损失的幂-线性函数模型[18]，数学表达式如下所示： ...
Long-term atmospheric corrosion of mild steel
1
2011
... 幂-线性函数模型更加符合金属材料长期腐蚀演变规律，然而，到目前为止，关于材料腐蚀失重与时间的函数关系转变的判断依据没有明确的标准.Morcillo等[16]认为当腐蚀速率年变化小于10%时，即可认为金属材料腐蚀处于稳定期，腐蚀失重与时间呈线性关系.De La Fuente等[17]研究表明，在所有类型的大气环境中，低碳钢腐蚀速率的稳定需要4~6 a，耐蚀钢在低腐蚀性介质 (腐蚀等级为C2~C3) 中腐蚀速率稳定时间为6~8 a，在高腐蚀性介质 (腐蚀等级为C3~C5) 中腐蚀速率稳定时间为4~6 a.ISO 9224-2012标准根据ISO CORRAG项目在全球各地开展的材料长期暴露试验结果分析，确定当材料暴露时间大于20 a时，金属材料的腐蚀处于稳定期，腐蚀失重与时间呈线性关系，并给出了金属材料在大气环境中长期暴露腐蚀损失的幂-线性函数模型[18]，数学表达式如下所示： ...
1
2012
... 幂-线性函数模型更加符合金属材料长期腐蚀演变规律，然而，到目前为止，关于材料腐蚀失重与时间的函数关系转变的判断依据没有明确的标准.Morcillo等[16]认为当腐蚀速率年变化小于10%时，即可认为金属材料腐蚀处于稳定期，腐蚀失重与时间呈线性关系.De La Fuente等[17]研究表明，在所有类型的大气环境中，低碳钢腐蚀速率的稳定需要4~6 a，耐蚀钢在低腐蚀性介质 (腐蚀等级为C2~C3) 中腐蚀速率稳定时间为6~8 a，在高腐蚀性介质 (腐蚀等级为C3~C5) 中腐蚀速率稳定时间为4~6 a.ISO 9224-2012标准根据ISO CORRAG项目在全球各地开展的材料长期暴露试验结果分析，确定当材料暴露时间大于20 a时，金属材料的腐蚀处于稳定期，腐蚀失重与时间呈线性关系，并给出了金属材料在大气环境中长期暴露腐蚀损失的幂-线性函数模型[18]，数学表达式如下所示： ...
Corrosion behaviour of low-alloy steel with titanium addition exposed to seawater environment
1
2016
... 幂函数以及幂-线性函数模型中不同的参数反映了表面腐蚀产物对腐蚀动力学的影响，在金属材料的腐蚀预测方面应用很广泛，但是仍然存在很大的局限.首先，幂函数以及幂-线性函数模型只适用于材料表面发生均匀腐蚀的情况，对于金属材料局部腐蚀的预测会产生很大的误差.其次，幂函数以及幂-线性函数适用于材料腐蚀损失的预测，不适用于金属材料腐蚀速率预测，腐蚀速率随时间的变化符合指数函数[19].此外，幂函数以及幂-线性函数模型都是研究人员利用大量腐蚀数据分析建立的经验公式，因此材料的腐蚀数据量决定了函数模型预测的精确度，当数据量比较少时，腐蚀的预测精度会受到很大影响. ...
1
1990
... 环境因素和材料因素对腐蚀的影响各不相同，而不同因素的相互作用使得腐蚀过程更加复杂，无法准确描述不同因素与材料腐蚀行为的对应关系[20].但是，基于大气腐蚀理论分析和长期的研究结果，不同环境因素和材料因素与材料腐蚀之间符合一定的理论和逻辑关系，且材料腐蚀行为的演变是具有规律性的，可以通过复杂数据的统计分析实现材料腐蚀的合理有效预测.对于这种统计预测方式，灰色理论分析建模具有独特的优势. ...
1
1990
... 环境因素和材料因素对腐蚀的影响各不相同，而不同因素的相互作用使得腐蚀过程更加复杂，无法准确描述不同因素与材料腐蚀行为的对应关系[20].但是，基于大气腐蚀理论分析和长期的研究结果，不同环境因素和材料因素与材料腐蚀之间符合一定的理论和逻辑关系，且材料腐蚀行为的演变是具有规律性的，可以通过复杂数据的统计分析实现材料腐蚀的合理有效预测.对于这种统计预测方式，灰色理论分析建模具有独特的优势. ...
Grey predication of corrosion on oil atmospheric distillation equipment
1
2009
... Wang等[21]针对炼油厂常减压塔顶换热器入口弯头处的腐蚀问题，利用超声波测厚仪测量弯头厚度，并用灰色系统理论建立GM(1，1)模型，预测误差最低可以达到1.3084%，具有很高的预测精度，适合长期预测，并利用建立的模型对弯头的剩余寿命进行预测.尹文阔等[22]针对钢结构涂层腐蚀脱落问题开展研究，利用灰色预测理论的GM(1，1)模型，并基于涂层腐蚀面积的历史数据构建了涂层腐蚀预测模型，并利用实际数据和多项式预测模型对GM(1，1)模型的精确度进行了验算，证实了该模型的有效性和优越性.王海涛等[23]基于灰色理论建立了GM(1，1)模型，针对青岛、厦门和榆林等海域海洋环境中碳钢的腐蚀速率进行了预测，通过预测结果与实测值的对比发现预测误差均小于10%，后验差比C<0.35，模型具有很高的预测精度.Zhang和Zhang[24]在海洋环境中小样本测量数据的基础上，分别利用灰色分析方法和最小二乘法对金属材料的腐蚀速率、最大腐蚀深度和平均腐蚀深度进行预测，结果表明GM(1，1)具有更好的预测精度. ...
Gray prediction model of corrosion life of coatings of steel tower for transmission line and its application
1
2019
... Wang等[21]针对炼油厂常减压塔顶换热器入口弯头处的腐蚀问题，利用超声波测厚仪测量弯头厚度，并用灰色系统理论建立GM(1，1)模型，预测误差最低可以达到1.3084%，具有很高的预测精度，适合长期预测，并利用建立的模型对弯头的剩余寿命进行预测.尹文阔等[22]针对钢结构涂层腐蚀脱落问题开展研究，利用灰色预测理论的GM(1，1)模型，并基于涂层腐蚀面积的历史数据构建了涂层腐蚀预测模型，并利用实际数据和多项式预测模型对GM(1，1)模型的精确度进行了验算，证实了该模型的有效性和优越性.王海涛等[23]基于灰色理论建立了GM(1，1)模型，针对青岛、厦门和榆林等海域海洋环境中碳钢的腐蚀速率进行了预测，通过预测结果与实测值的对比发现预测误差均小于10%，后验差比C<0.35，模型具有很高的预测精度.Zhang和Zhang[24]在海洋环境中小样本测量数据的基础上，分别利用灰色分析方法和最小二乘法对金属材料的腐蚀速率、最大腐蚀深度和平均腐蚀深度进行预测，结果表明GM(1，1)具有更好的预测精度. ...
输电线路钢结构杆塔涂层腐蚀寿命灰色预测模型及应用
1
2019
... Wang等[21]针对炼油厂常减压塔顶换热器入口弯头处的腐蚀问题，利用超声波测厚仪测量弯头厚度，并用灰色系统理论建立GM(1，1)模型，预测误差最低可以达到1.3084%，具有很高的预测精度，适合长期预测，并利用建立的模型对弯头的剩余寿命进行预测.尹文阔等[22]针对钢结构涂层腐蚀脱落问题开展研究，利用灰色预测理论的GM(1，1)模型，并基于涂层腐蚀面积的历史数据构建了涂层腐蚀预测模型，并利用实际数据和多项式预测模型对GM(1，1)模型的精确度进行了验算，证实了该模型的有效性和优越性.王海涛等[23]基于灰色理论建立了GM(1，1)模型，针对青岛、厦门和榆林等海域海洋环境中碳钢的腐蚀速率进行了预测，通过预测结果与实测值的对比发现预测误差均小于10%，后验差比C<0.35，模型具有很高的预测精度.Zhang和Zhang[24]在海洋环境中小样本测量数据的基础上，分别利用灰色分析方法和最小二乘法对金属材料的腐蚀速率、最大腐蚀深度和平均腐蚀深度进行预测，结果表明GM(1，1)具有更好的预测精度. ...
Prediction and analysis of seawater corrosion of carbon steel and low alloy steels by gray theory
1
2005
... Wang等[21]针对炼油厂常减压塔顶换热器入口弯头处的腐蚀问题，利用超声波测厚仪测量弯头厚度，并用灰色系统理论建立GM(1，1)模型，预测误差最低可以达到1.3084%，具有很高的预测精度，适合长期预测，并利用建立的模型对弯头的剩余寿命进行预测.尹文阔等[22]针对钢结构涂层腐蚀脱落问题开展研究，利用灰色预测理论的GM(1，1)模型，并基于涂层腐蚀面积的历史数据构建了涂层腐蚀预测模型，并利用实际数据和多项式预测模型对GM(1，1)模型的精确度进行了验算，证实了该模型的有效性和优越性.王海涛等[23]基于灰色理论建立了GM(1，1)模型，针对青岛、厦门和榆林等海域海洋环境中碳钢的腐蚀速率进行了预测，通过预测结果与实测值的对比发现预测误差均小于10%，后验差比C<0.35，模型具有很高的预测精度.Zhang和Zhang[24]在海洋环境中小样本测量数据的基础上，分别利用灰色分析方法和最小二乘法对金属材料的腐蚀速率、最大腐蚀深度和平均腐蚀深度进行预测，结果表明GM(1，1)具有更好的预测精度. ...
灰色理论对碳钢、低合金钢海水腐蚀的预测和分析
1
2005
... Wang等[21]针对炼油厂常减压塔顶换热器入口弯头处的腐蚀问题，利用超声波测厚仪测量弯头厚度，并用灰色系统理论建立GM(1，1)模型，预测误差最低可以达到1.3084%，具有很高的预测精度，适合长期预测，并利用建立的模型对弯头的剩余寿命进行预测.尹文阔等[22]针对钢结构涂层腐蚀脱落问题开展研究，利用灰色预测理论的GM(1，1)模型，并基于涂层腐蚀面积的历史数据构建了涂层腐蚀预测模型，并利用实际数据和多项式预测模型对GM(1，1)模型的精确度进行了验算，证实了该模型的有效性和优越性.王海涛等[23]基于灰色理论建立了GM(1，1)模型，针对青岛、厦门和榆林等海域海洋环境中碳钢的腐蚀速率进行了预测，通过预测结果与实测值的对比发现预测误差均小于10%，后验差比C<0.35，模型具有很高的预测精度.Zhang和Zhang[24]在海洋环境中小样本测量数据的基础上，分别利用灰色分析方法和最小二乘法对金属材料的腐蚀速率、最大腐蚀深度和平均腐蚀深度进行预测，结果表明GM(1，1)具有更好的预测精度. ...
Research on the marine corrosion model of ferrous metal based on PLS and grey relational analysis
1
2011
... Wang等[21]针对炼油厂常减压塔顶换热器入口弯头处的腐蚀问题，利用超声波测厚仪测量弯头厚度，并用灰色系统理论建立GM(1，1)模型，预测误差最低可以达到1.3084%，具有很高的预测精度，适合长期预测，并利用建立的模型对弯头的剩余寿命进行预测.尹文阔等[22]针对钢结构涂层腐蚀脱落问题开展研究，利用灰色预测理论的GM(1，1)模型，并基于涂层腐蚀面积的历史数据构建了涂层腐蚀预测模型，并利用实际数据和多项式预测模型对GM(1，1)模型的精确度进行了验算，证实了该模型的有效性和优越性.王海涛等[23]基于灰色理论建立了GM(1，1)模型，针对青岛、厦门和榆林等海域海洋环境中碳钢的腐蚀速率进行了预测，通过预测结果与实测值的对比发现预测误差均小于10%，后验差比C<0.35，模型具有很高的预测精度.Zhang和Zhang[24]在海洋环境中小样本测量数据的基础上，分别利用灰色分析方法和最小二乘法对金属材料的腐蚀速率、最大腐蚀深度和平均腐蚀深度进行预测，结果表明GM(1，1)具有更好的预测精度. ...
Application of neural networks to atmospheric corrosion of carbon steel and low alloy steels
1
1997
... 国内外研究人员基于不同神经网络方法的特征和优势，开展了大量的金属材料大气腐蚀预测研究.蔡建平等[25]采用BP算法构造了12-8-2多层神经网络结构，以我国大气腐蚀试验站的环境数据、冶金数据为输入值，以碳钢、低合金钢大气腐蚀D=Atn回归后的A和n值为输出值，经过神经网络的训练计算，得到的腐蚀预测结果与实际值的误差小于10%.研究结果表明，人工神经网络可以很好地反应环境因素、材料因素与大气腐蚀规律之间的关系，可以用于大气腐蚀预测.王海涛等[26]选取国家大气腐蚀站中碳钢和低合金钢在北京、青岛、武汉、江津、广州、琼海和万宁7个地方的腐蚀数据为基础，输入因子分别为合金元素C、S、P、Mn、Si、Cu的含量、环境因子中平均温度、相对湿度、相对湿度>80%的年时数、年降水量、Cl-浓度、SO2浓度和暴晒时间，输出项为材料的大气腐蚀速率，建立了13-19-1的网络拓扑结构，与实验结果相比，神经网络的预测结果具有较好的准确性.此外，王海涛等[27]还利用国家大气腐蚀网站给出经时效处理的6种不同铝合金分别在全国7个不同气候地区暴晒1、3、6和10 a的腐蚀数据，构建了铝合金大气腐蚀7-5-1的人工神经网络预测模型，研究了网络的训练精度与预测精度的关系，预测结果较理想.郭稚弧等[28]利用神经网络以土壤的含水量、pH值、Cl-含量、含量及Fe2+含量等5个理化特性和腐蚀时间作为网络结构的输入，建立了6-10-1的网络结构对A3钢在土壤中长期的腐蚀速率进行预测，取得了较为精确的预测结果，验证了人工神经网络方法在土壤腐蚀研究中的可行性.花广如等[29]分别用BP网络和RBF网络模型开展碳钢土壤腐蚀速率预测研究.结果表明，两种预测模型得到的结果准确率均在95%以上，RBF网络模型预测结果精度整体高于BP网络，且模型参数设定简单，训练和学习速度更快. ...
应用人工神经网络预测碳钢、低合金钢的大气腐蚀
1
1997
... 国内外研究人员基于不同神经网络方法的特征和优势，开展了大量的金属材料大气腐蚀预测研究.蔡建平等[25]采用BP算法构造了12-8-2多层神经网络结构，以我国大气腐蚀试验站的环境数据、冶金数据为输入值，以碳钢、低合金钢大气腐蚀D=Atn回归后的A和n值为输出值，经过神经网络的训练计算，得到的腐蚀预测结果与实际值的误差小于10%.研究结果表明，人工神经网络可以很好地反应环境因素、材料因素与大气腐蚀规律之间的关系，可以用于大气腐蚀预测.王海涛等[26]选取国家大气腐蚀站中碳钢和低合金钢在北京、青岛、武汉、江津、广州、琼海和万宁7个地方的腐蚀数据为基础，输入因子分别为合金元素C、S、P、Mn、Si、Cu的含量、环境因子中平均温度、相对湿度、相对湿度>80%的年时数、年降水量、Cl-浓度、SO2浓度和暴晒时间，输出项为材料的大气腐蚀速率，建立了13-19-1的网络拓扑结构，与实验结果相比，神经网络的预测结果具有较好的准确性.此外，王海涛等[27]还利用国家大气腐蚀网站给出经时效处理的6种不同铝合金分别在全国7个不同气候地区暴晒1、3、6和10 a的腐蚀数据，构建了铝合金大气腐蚀7-5-1的人工神经网络预测模型，研究了网络的训练精度与预测精度的关系，预测结果较理想.郭稚弧等[28]利用神经网络以土壤的含水量、pH值、Cl-含量、含量及Fe2+含量等5个理化特性和腐蚀时间作为网络结构的输入，建立了6-10-1的网络结构对A3钢在土壤中长期的腐蚀速率进行预测，取得了较为精确的预测结果，验证了人工神经网络方法在土壤腐蚀研究中的可行性.花广如等[29]分别用BP网络和RBF网络模型开展碳钢土壤腐蚀速率预测研究.结果表明，两种预测模型得到的结果准确率均在95%以上，RBF网络模型预测结果精度整体高于BP网络，且模型参数设定简单，训练和学习速度更快. ...
Artificial neural network modeling for atmospheric corrosion of carbon steel and low alloy steel
1
2006
... 国内外研究人员基于不同神经网络方法的特征和优势，开展了大量的金属材料大气腐蚀预测研究.蔡建平等[25]采用BP算法构造了12-8-2多层神经网络结构，以我国大气腐蚀试验站的环境数据、冶金数据为输入值，以碳钢、低合金钢大气腐蚀D=Atn回归后的A和n值为输出值，经过神经网络的训练计算，得到的腐蚀预测结果与实际值的误差小于10%.研究结果表明，人工神经网络可以很好地反应环境因素、材料因素与大气腐蚀规律之间的关系，可以用于大气腐蚀预测.王海涛等[26]选取国家大气腐蚀站中碳钢和低合金钢在北京、青岛、武汉、江津、广州、琼海和万宁7个地方的腐蚀数据为基础，输入因子分别为合金元素C、S、P、Mn、Si、Cu的含量、环境因子中平均温度、相对湿度、相对湿度>80%的年时数、年降水量、Cl-浓度、SO2浓度和暴晒时间，输出项为材料的大气腐蚀速率，建立了13-19-1的网络拓扑结构，与实验结果相比，神经网络的预测结果具有较好的准确性.此外，王海涛等[27]还利用国家大气腐蚀网站给出经时效处理的6种不同铝合金分别在全国7个不同气候地区暴晒1、3、6和10 a的腐蚀数据，构建了铝合金大气腐蚀7-5-1的人工神经网络预测模型，研究了网络的训练精度与预测精度的关系，预测结果较理想.郭稚弧等[28]利用神经网络以土壤的含水量、pH值、Cl-含量、含量及Fe2+含量等5个理化特性和腐蚀时间作为网络结构的输入，建立了6-10-1的网络结构对A3钢在土壤中长期的腐蚀速率进行预测，取得了较为精确的预测结果，验证了人工神经网络方法在土壤腐蚀研究中的可行性.花广如等[29]分别用BP网络和RBF网络模型开展碳钢土壤腐蚀速率预测研究.结果表明，两种预测模型得到的结果准确率均在95%以上，RBF网络模型预测结果精度整体高于BP网络，且模型参数设定简单，训练和学习速度更快. ...
用人工神经网络构建碳钢、低合金钢大气腐蚀模型
1
2006
... 国内外研究人员基于不同神经网络方法的特征和优势，开展了大量的金属材料大气腐蚀预测研究.蔡建平等[25]采用BP算法构造了12-8-2多层神经网络结构，以我国大气腐蚀试验站的环境数据、冶金数据为输入值，以碳钢、低合金钢大气腐蚀D=Atn回归后的A和n值为输出值，经过神经网络的训练计算，得到的腐蚀预测结果与实际值的误差小于10%.研究结果表明，人工神经网络可以很好地反应环境因素、材料因素与大气腐蚀规律之间的关系，可以用于大气腐蚀预测.王海涛等[26]选取国家大气腐蚀站中碳钢和低合金钢在北京、青岛、武汉、江津、广州、琼海和万宁7个地方的腐蚀数据为基础，输入因子分别为合金元素C、S、P、Mn、Si、Cu的含量、环境因子中平均温度、相对湿度、相对湿度>80%的年时数、年降水量、Cl-浓度、SO2浓度和暴晒时间，输出项为材料的大气腐蚀速率，建立了13-19-1的网络拓扑结构，与实验结果相比，神经网络的预测结果具有较好的准确性.此外，王海涛等[27]还利用国家大气腐蚀网站给出经时效处理的6种不同铝合金分别在全国7个不同气候地区暴晒1、3、6和10 a的腐蚀数据，构建了铝合金大气腐蚀7-5-1的人工神经网络预测模型，研究了网络的训练精度与预测精度的关系，预测结果较理想.郭稚弧等[28]利用神经网络以土壤的含水量、pH值、Cl-含量、含量及Fe2+含量等5个理化特性和腐蚀时间作为网络结构的输入，建立了6-10-1的网络结构对A3钢在土壤中长期的腐蚀速率进行预测，取得了较为精确的预测结果，验证了人工神经网络方法在土壤腐蚀研究中的可行性.花广如等[29]分别用BP网络和RBF网络模型开展碳钢土壤腐蚀速率预测研究.结果表明，两种预测模型得到的结果准确率均在95%以上，RBF网络模型预测结果精度整体高于BP网络，且模型参数设定简单，训练和学习速度更快. ...
Predictive model for atmospheric corrosion of aluminium alloy by artificial neural network
1
2006
... 国内外研究人员基于不同神经网络方法的特征和优势，开展了大量的金属材料大气腐蚀预测研究.蔡建平等[25]采用BP算法构造了12-8-2多层神经网络结构，以我国大气腐蚀试验站的环境数据、冶金数据为输入值，以碳钢、低合金钢大气腐蚀D=Atn回归后的A和n值为输出值，经过神经网络的训练计算，得到的腐蚀预测结果与实际值的误差小于10%.研究结果表明，人工神经网络可以很好地反应环境因素、材料因素与大气腐蚀规律之间的关系，可以用于大气腐蚀预测.王海涛等[26]选取国家大气腐蚀站中碳钢和低合金钢在北京、青岛、武汉、江津、广州、琼海和万宁7个地方的腐蚀数据为基础，输入因子分别为合金元素C、S、P、Mn、Si、Cu的含量、环境因子中平均温度、相对湿度、相对湿度>80%的年时数、年降水量、Cl-浓度、SO2浓度和暴晒时间，输出项为材料的大气腐蚀速率，建立了13-19-1的网络拓扑结构，与实验结果相比，神经网络的预测结果具有较好的准确性.此外，王海涛等[27]还利用国家大气腐蚀网站给出经时效处理的6种不同铝合金分别在全国7个不同气候地区暴晒1、3、6和10 a的腐蚀数据，构建了铝合金大气腐蚀7-5-1的人工神经网络预测模型，研究了网络的训练精度与预测精度的关系，预测结果较理想.郭稚弧等[28]利用神经网络以土壤的含水量、pH值、Cl-含量、含量及Fe2+含量等5个理化特性和腐蚀时间作为网络结构的输入，建立了6-10-1的网络结构对A3钢在土壤中长期的腐蚀速率进行预测，取得了较为精确的预测结果，验证了人工神经网络方法在土壤腐蚀研究中的可行性.花广如等[29]分别用BP网络和RBF网络模型开展碳钢土壤腐蚀速率预测研究.结果表明，两种预测模型得到的结果准确率均在95%以上，RBF网络模型预测结果精度整体高于BP网络，且模型参数设定简单，训练和学习速度更快. ...
基于人工神经网络模型的铝合金大气腐蚀的预测
1
2006
... 国内外研究人员基于不同神经网络方法的特征和优势，开展了大量的金属材料大气腐蚀预测研究.蔡建平等[25]采用BP算法构造了12-8-2多层神经网络结构，以我国大气腐蚀试验站的环境数据、冶金数据为输入值，以碳钢、低合金钢大气腐蚀D=Atn回归后的A和n值为输出值，经过神经网络的训练计算，得到的腐蚀预测结果与实际值的误差小于10%.研究结果表明，人工神经网络可以很好地反应环境因素、材料因素与大气腐蚀规律之间的关系，可以用于大气腐蚀预测.王海涛等[26]选取国家大气腐蚀站中碳钢和低合金钢在北京、青岛、武汉、江津、广州、琼海和万宁7个地方的腐蚀数据为基础，输入因子分别为合金元素C、S、P、Mn、Si、Cu的含量、环境因子中平均温度、相对湿度、相对湿度>80%的年时数、年降水量、Cl-浓度、SO2浓度和暴晒时间，输出项为材料的大气腐蚀速率，建立了13-19-1的网络拓扑结构，与实验结果相比，神经网络的预测结果具有较好的准确性.此外，王海涛等[27]还利用国家大气腐蚀网站给出经时效处理的6种不同铝合金分别在全国7个不同气候地区暴晒1、3、6和10 a的腐蚀数据，构建了铝合金大气腐蚀7-5-1的人工神经网络预测模型，研究了网络的训练精度与预测精度的关系，预测结果较理想.郭稚弧等[28]利用神经网络以土壤的含水量、pH值、Cl-含量、含量及Fe2+含量等5个理化特性和腐蚀时间作为网络结构的输入，建立了6-10-1的网络结构对A3钢在土壤中长期的腐蚀速率进行预测，取得了较为精确的预测结果，验证了人工神经网络方法在土壤腐蚀研究中的可行性.花广如等[29]分别用BP网络和RBF网络模型开展碳钢土壤腐蚀速率预测研究.结果表明，两种预测模型得到的结果准确率均在95%以上，RBF网络模型预测结果精度整体高于BP网络，且模型参数设定简单，训练和学习速度更快. ...
Predicting corrosion rate of mild steel in soil based on artificial neural network
1
1996
... 国内外研究人员基于不同神经网络方法的特征和优势，开展了大量的金属材料大气腐蚀预测研究.蔡建平等[25]采用BP算法构造了12-8-2多层神经网络结构，以我国大气腐蚀试验站的环境数据、冶金数据为输入值，以碳钢、低合金钢大气腐蚀D=Atn回归后的A和n值为输出值，经过神经网络的训练计算，得到的腐蚀预测结果与实际值的误差小于10%.研究结果表明，人工神经网络可以很好地反应环境因素、材料因素与大气腐蚀规律之间的关系，可以用于大气腐蚀预测.王海涛等[26]选取国家大气腐蚀站中碳钢和低合金钢在北京、青岛、武汉、江津、广州、琼海和万宁7个地方的腐蚀数据为基础，输入因子分别为合金元素C、S、P、Mn、Si、Cu的含量、环境因子中平均温度、相对湿度、相对湿度>80%的年时数、年降水量、Cl-浓度、SO2浓度和暴晒时间，输出项为材料的大气腐蚀速率，建立了13-19-1的网络拓扑结构，与实验结果相比，神经网络的预测结果具有较好的准确性.此外，王海涛等[27]还利用国家大气腐蚀网站给出经时效处理的6种不同铝合金分别在全国7个不同气候地区暴晒1、3、6和10 a的腐蚀数据，构建了铝合金大气腐蚀7-5-1的人工神经网络预测模型，研究了网络的训练精度与预测精度的关系，预测结果较理想.郭稚弧等[28]利用神经网络以土壤的含水量、pH值、Cl-含量、含量及Fe2+含量等5个理化特性和腐蚀时间作为网络结构的输入，建立了6-10-1的网络结构对A3钢在土壤中长期的腐蚀速率进行预测，取得了较为精确的预测结果，验证了人工神经网络方法在土壤腐蚀研究中的可行性.花广如等[29]分别用BP网络和RBF网络模型开展碳钢土壤腐蚀速率预测研究.结果表明，两种预测模型得到的结果准确率均在95%以上，RBF网络模型预测结果精度整体高于BP网络，且模型参数设定简单，训练和学习速度更快. ...
基于人工神经网络的金属土壤腐蚀预测方法
1
1996
... 国内外研究人员基于不同神经网络方法的特征和优势，开展了大量的金属材料大气腐蚀预测研究.蔡建平等[25]采用BP算法构造了12-8-2多层神经网络结构，以我国大气腐蚀试验站的环境数据、冶金数据为输入值，以碳钢、低合金钢大气腐蚀D=Atn回归后的A和n值为输出值，经过神经网络的训练计算，得到的腐蚀预测结果与实际值的误差小于10%.研究结果表明，人工神经网络可以很好地反应环境因素、材料因素与大气腐蚀规律之间的关系，可以用于大气腐蚀预测.王海涛等[26]选取国家大气腐蚀站中碳钢和低合金钢在北京、青岛、武汉、江津、广州、琼海和万宁7个地方的腐蚀数据为基础，输入因子分别为合金元素C、S、P、Mn、Si、Cu的含量、环境因子中平均温度、相对湿度、相对湿度>80%的年时数、年降水量、Cl-浓度、SO2浓度和暴晒时间，输出项为材料的大气腐蚀速率，建立了13-19-1的网络拓扑结构，与实验结果相比，神经网络的预测结果具有较好的准确性.此外，王海涛等[27]还利用国家大气腐蚀网站给出经时效处理的6种不同铝合金分别在全国7个不同气候地区暴晒1、3、6和10 a的腐蚀数据，构建了铝合金大气腐蚀7-5-1的人工神经网络预测模型，研究了网络的训练精度与预测精度的关系，预测结果较理想.郭稚弧等[28]利用神经网络以土壤的含水量、pH值、Cl-含量、含量及Fe2+含量等5个理化特性和腐蚀时间作为网络结构的输入，建立了6-10-1的网络结构对A3钢在土壤中长期的腐蚀速率进行预测，取得了较为精确的预测结果，验证了人工神经网络方法在土壤腐蚀研究中的可行性.花广如等[29]分别用BP网络和RBF网络模型开展碳钢土壤腐蚀速率预测研究.结果表明，两种预测模型得到的结果准确率均在95%以上，RBF网络模型预测结果精度整体高于BP网络，且模型参数设定简单，训练和学习速度更快. ...
Corrosion rate prediction of Q235 steel in Hainan substation grounding grid based on neural network models
1
2017
... 国内外研究人员基于不同神经网络方法的特征和优势，开展了大量的金属材料大气腐蚀预测研究.蔡建平等[25]采用BP算法构造了12-8-2多层神经网络结构，以我国大气腐蚀试验站的环境数据、冶金数据为输入值，以碳钢、低合金钢大气腐蚀D=Atn回归后的A和n值为输出值，经过神经网络的训练计算，得到的腐蚀预测结果与实际值的误差小于10%.研究结果表明，人工神经网络可以很好地反应环境因素、材料因素与大气腐蚀规律之间的关系，可以用于大气腐蚀预测.王海涛等[26]选取国家大气腐蚀站中碳钢和低合金钢在北京、青岛、武汉、江津、广州、琼海和万宁7个地方的腐蚀数据为基础，输入因子分别为合金元素C、S、P、Mn、Si、Cu的含量、环境因子中平均温度、相对湿度、相对湿度>80%的年时数、年降水量、Cl-浓度、SO2浓度和暴晒时间，输出项为材料的大气腐蚀速率，建立了13-19-1的网络拓扑结构，与实验结果相比，神经网络的预测结果具有较好的准确性.此外，王海涛等[27]还利用国家大气腐蚀网站给出经时效处理的6种不同铝合金分别在全国7个不同气候地区暴晒1、3、6和10 a的腐蚀数据，构建了铝合金大气腐蚀7-5-1的人工神经网络预测模型，研究了网络的训练精度与预测精度的关系，预测结果较理想.郭稚弧等[28]利用神经网络以土壤的含水量、pH值、Cl-含量、含量及Fe2+含量等5个理化特性和腐蚀时间作为网络结构的输入，建立了6-10-1的网络结构对A3钢在土壤中长期的腐蚀速率进行预测，取得了较为精确的预测结果，验证了人工神经网络方法在土壤腐蚀研究中的可行性.花广如等[29]分别用BP网络和RBF网络模型开展碳钢土壤腐蚀速率预测研究.结果表明，两种预测模型得到的结果准确率均在95%以上，RBF网络模型预测结果精度整体高于BP网络，且模型参数设定简单，训练和学习速度更快. ...
基于神经网络模型的海南变电站接地网Q235钢腐蚀率预测
1
2017
... 国内外研究人员基于不同神经网络方法的特征和优势，开展了大量的金属材料大气腐蚀预测研究.蔡建平等[25]采用BP算法构造了12-8-2多层神经网络结构，以我国大气腐蚀试验站的环境数据、冶金数据为输入值，以碳钢、低合金钢大气腐蚀D=Atn回归后的A和n值为输出值，经过神经网络的训练计算，得到的腐蚀预测结果与实际值的误差小于10%.研究结果表明，人工神经网络可以很好地反应环境因素、材料因素与大气腐蚀规律之间的关系，可以用于大气腐蚀预测.王海涛等[26]选取国家大气腐蚀站中碳钢和低合金钢在北京、青岛、武汉、江津、广州、琼海和万宁7个地方的腐蚀数据为基础，输入因子分别为合金元素C、S、P、Mn、Si、Cu的含量、环境因子中平均温度、相对湿度、相对湿度>80%的年时数、年降水量、Cl-浓度、SO2浓度和暴晒时间，输出项为材料的大气腐蚀速率，建立了13-19-1的网络拓扑结构，与实验结果相比，神经网络的预测结果具有较好的准确性.此外，王海涛等[27]还利用国家大气腐蚀网站给出经时效处理的6种不同铝合金分别在全国7个不同气候地区暴晒1、3、6和10 a的腐蚀数据，构建了铝合金大气腐蚀7-5-1的人工神经网络预测模型，研究了网络的训练精度与预测精度的关系，预测结果较理想.郭稚弧等[28]利用神经网络以土壤的含水量、pH值、Cl-含量、含量及Fe2+含量等5个理化特性和腐蚀时间作为网络结构的输入，建立了6-10-1的网络结构对A3钢在土壤中长期的腐蚀速率进行预测，取得了较为精确的预测结果，验证了人工神经网络方法在土壤腐蚀研究中的可行性.花广如等[29]分别用BP网络和RBF网络模型开展碳钢土壤腐蚀速率预测研究.结果表明，两种预测模型得到的结果准确率均在95%以上，RBF网络模型预测结果精度整体高于BP网络，且模型参数设定简单，训练和学习速度更快. ...
Optimization of sectional dose-response function and determination method of corrosion category for carbon steel
1
2018
... ISO标准中给出的DRF函数是通用函数，仅包含温度、相对湿度、SO2沉积率和Cl-沉积率，针对不同地区预测精度有所差别，研究人员为了得到更精确的预测结果，对DRF进行了相应的改进研究.赵兴锋等[30]以碳钢为研究对象，将ISO标准中的DRF进行改进，建立对应不同环境腐蚀等级的分段式DRF，并基于国内外腐蚀试验站点的环境数据对大气环境腐蚀等级进行判定.与ISO 9223:2012标准相比，分段式DRF能更为准确地计算不同大气环境中碳钢腐蚀速率的环境腐蚀等级.Panchenko和Marshakov[31]还综合了ISO、MICAT、UN/ECE和俄罗斯等多个组织/国家的腐蚀数据，对常用的碳钢和Zn的DRF参数进行了修正.叶堤等[32]基于16个站点碳钢、Zn和Cu的腐蚀数据和环境数据，通过灰色关联分析选取了影响腐蚀的主要环境参数，并基于腐蚀机理和非线性回归拟合方法建立了3种金属材料的DRF，并验证了函数的普遍适用性和较好的预测精度.Leuenberger-Minger等[33]利用瑞士境内7个地点的腐蚀数据进行分析，结果表明除了SO2外，环境中的臭氧对钢、Cu和Zn的腐蚀也有重要作用，并建立了耐候钢、Cu和Zn的DRF.Ríos-Rojas等[34]分析了碳钢在波哥大8个地区的腐蚀行为，结果表明，人类活动产生的SO2是影响腐蚀的主要因素，并基于温度、相对湿度和SO2建立了波哥大地区碳钢的DRF. ...
分段式剂量响应函数优化及碳钢腐蚀等级判别方法
1
2018
... ISO标准中给出的DRF函数是通用函数，仅包含温度、相对湿度、SO2沉积率和Cl-沉积率，针对不同地区预测精度有所差别，研究人员为了得到更精确的预测结果，对DRF进行了相应的改进研究.赵兴锋等[30]以碳钢为研究对象，将ISO标准中的DRF进行改进，建立对应不同环境腐蚀等级的分段式DRF，并基于国内外腐蚀试验站点的环境数据对大气环境腐蚀等级进行判定.与ISO 9223:2012标准相比，分段式DRF能更为准确地计算不同大气环境中碳钢腐蚀速率的环境腐蚀等级.Panchenko和Marshakov[31]还综合了ISO、MICAT、UN/ECE和俄罗斯等多个组织/国家的腐蚀数据，对常用的碳钢和Zn的DRF参数进行了修正.叶堤等[32]基于16个站点碳钢、Zn和Cu的腐蚀数据和环境数据，通过灰色关联分析选取了影响腐蚀的主要环境参数，并基于腐蚀机理和非线性回归拟合方法建立了3种金属材料的DRF，并验证了函数的普遍适用性和较好的预测精度.Leuenberger-Minger等[33]利用瑞士境内7个地点的腐蚀数据进行分析，结果表明除了SO2外，环境中的臭氧对钢、Cu和Zn的腐蚀也有重要作用，并建立了耐候钢、Cu和Zn的DRF.Ríos-Rojas等[34]分析了碳钢在波哥大8个地区的腐蚀行为，结果表明，人类活动产生的SO2是影响腐蚀的主要因素，并基于温度、相对湿度和SO2建立了波哥大地区碳钢的DRF. ...
Prediction of first-year corrosion losses of carbon steel and zinc in continental regions
1
2017
... ISO标准中给出的DRF函数是通用函数，仅包含温度、相对湿度、SO2沉积率和Cl-沉积率，针对不同地区预测精度有所差别，研究人员为了得到更精确的预测结果，对DRF进行了相应的改进研究.赵兴锋等[30]以碳钢为研究对象，将ISO标准中的DRF进行改进，建立对应不同环境腐蚀等级的分段式DRF，并基于国内外腐蚀试验站点的环境数据对大气环境腐蚀等级进行判定.与ISO 9223:2012标准相比，分段式DRF能更为准确地计算不同大气环境中碳钢腐蚀速率的环境腐蚀等级.Panchenko和Marshakov[31]还综合了ISO、MICAT、UN/ECE和俄罗斯等多个组织/国家的腐蚀数据，对常用的碳钢和Zn的DRF参数进行了修正.叶堤等[32]基于16个站点碳钢、Zn和Cu的腐蚀数据和环境数据，通过灰色关联分析选取了影响腐蚀的主要环境参数，并基于腐蚀机理和非线性回归拟合方法建立了3种金属材料的DRF，并验证了函数的普遍适用性和较好的预测精度.Leuenberger-Minger等[33]利用瑞士境内7个地点的腐蚀数据进行分析，结果表明除了SO2外，环境中的臭氧对钢、Cu和Zn的腐蚀也有重要作用，并建立了耐候钢、Cu和Zn的DRF.Ríos-Rojas等[34]分析了碳钢在波哥大8个地区的腐蚀行为，结果表明，人类活动产生的SO2是影响腐蚀的主要因素，并基于温度、相对湿度和SO2建立了波哥大地区碳钢的DRF. ...
Dose-response functions for atmospheric corrosion on metals
1
2006
... ISO标准中给出的DRF函数是通用函数，仅包含温度、相对湿度、SO2沉积率和Cl-沉积率，针对不同地区预测精度有所差别，研究人员为了得到更精确的预测结果，对DRF进行了相应的改进研究.赵兴锋等[30]以碳钢为研究对象，将ISO标准中的DRF进行改进，建立对应不同环境腐蚀等级的分段式DRF，并基于国内外腐蚀试验站点的环境数据对大气环境腐蚀等级进行判定.与ISO 9223:2012标准相比，分段式DRF能更为准确地计算不同大气环境中碳钢腐蚀速率的环境腐蚀等级.Panchenko和Marshakov[31]还综合了ISO、MICAT、UN/ECE和俄罗斯等多个组织/国家的腐蚀数据，对常用的碳钢和Zn的DRF参数进行了修正.叶堤等[32]基于16个站点碳钢、Zn和Cu的腐蚀数据和环境数据，通过灰色关联分析选取了影响腐蚀的主要环境参数，并基于腐蚀机理和非线性回归拟合方法建立了3种金属材料的DRF，并验证了函数的普遍适用性和较好的预测精度.Leuenberger-Minger等[33]利用瑞士境内7个地点的腐蚀数据进行分析，结果表明除了SO2外，环境中的臭氧对钢、Cu和Zn的腐蚀也有重要作用，并建立了耐候钢、Cu和Zn的DRF.Ríos-Rojas等[34]分析了碳钢在波哥大8个地区的腐蚀行为，结果表明，人类活动产生的SO2是影响腐蚀的主要因素，并基于温度、相对湿度和SO2建立了波哥大地区碳钢的DRF. ...
金属材料大气腐蚀破坏的剂量响应函数研究
1
2006
... ISO标准中给出的DRF函数是通用函数，仅包含温度、相对湿度、SO2沉积率和Cl-沉积率，针对不同地区预测精度有所差别，研究人员为了得到更精确的预测结果，对DRF进行了相应的改进研究.赵兴锋等[30]以碳钢为研究对象，将ISO标准中的DRF进行改进，建立对应不同环境腐蚀等级的分段式DRF，并基于国内外腐蚀试验站点的环境数据对大气环境腐蚀等级进行判定.与ISO 9223:2012标准相比，分段式DRF能更为准确地计算不同大气环境中碳钢腐蚀速率的环境腐蚀等级.Panchenko和Marshakov[31]还综合了ISO、MICAT、UN/ECE和俄罗斯等多个组织/国家的腐蚀数据，对常用的碳钢和Zn的DRF参数进行了修正.叶堤等[32]基于16个站点碳钢、Zn和Cu的腐蚀数据和环境数据，通过灰色关联分析选取了影响腐蚀的主要环境参数，并基于腐蚀机理和非线性回归拟合方法建立了3种金属材料的DRF，并验证了函数的普遍适用性和较好的预测精度.Leuenberger-Minger等[33]利用瑞士境内7个地点的腐蚀数据进行分析，结果表明除了SO2外，环境中的臭氧对钢、Cu和Zn的腐蚀也有重要作用，并建立了耐候钢、Cu和Zn的DRF.Ríos-Rojas等[34]分析了碳钢在波哥大8个地区的腐蚀行为，结果表明，人类活动产生的SO2是影响腐蚀的主要因素，并基于温度、相对湿度和SO2建立了波哥大地区碳钢的DRF. ...
Dose-response functions for weathering steel, copper and zinc obtained from a four-year exposure programme in Switzerland
1
2002
... ISO标准中给出的DRF函数是通用函数，仅包含温度、相对湿度、SO2沉积率和Cl-沉积率，针对不同地区预测精度有所差别，研究人员为了得到更精确的预测结果，对DRF进行了相应的改进研究.赵兴锋等[30]以碳钢为研究对象，将ISO标准中的DRF进行改进，建立对应不同环境腐蚀等级的分段式DRF，并基于国内外腐蚀试验站点的环境数据对大气环境腐蚀等级进行判定.与ISO 9223:2012标准相比，分段式DRF能更为准确地计算不同大气环境中碳钢腐蚀速率的环境腐蚀等级.Panchenko和Marshakov[31]还综合了ISO、MICAT、UN/ECE和俄罗斯等多个组织/国家的腐蚀数据，对常用的碳钢和Zn的DRF参数进行了修正.叶堤等[32]基于16个站点碳钢、Zn和Cu的腐蚀数据和环境数据，通过灰色关联分析选取了影响腐蚀的主要环境参数，并基于腐蚀机理和非线性回归拟合方法建立了3种金属材料的DRF，并验证了函数的普遍适用性和较好的预测精度.Leuenberger-Minger等[33]利用瑞士境内7个地点的腐蚀数据进行分析，结果表明除了SO2外，环境中的臭氧对钢、Cu和Zn的腐蚀也有重要作用，并建立了耐候钢、Cu和Zn的DRF.Ríos-Rojas等[34]分析了碳钢在波哥大8个地区的腐蚀行为，结果表明，人类活动产生的SO2是影响腐蚀的主要因素，并基于温度、相对湿度和SO2建立了波哥大地区碳钢的DRF. ...
Annual atmospheric corrosion rate and dose-response function for carbon steel in Bogotá
1
2017
... ISO标准中给出的DRF函数是通用函数，仅包含温度、相对湿度、SO2沉积率和Cl-沉积率，针对不同地区预测精度有所差别，研究人员为了得到更精确的预测结果，对DRF进行了相应的改进研究.赵兴锋等[30]以碳钢为研究对象，将ISO标准中的DRF进行改进，建立对应不同环境腐蚀等级的分段式DRF，并基于国内外腐蚀试验站点的环境数据对大气环境腐蚀等级进行判定.与ISO 9223:2012标准相比，分段式DRF能更为准确地计算不同大气环境中碳钢腐蚀速率的环境腐蚀等级.Panchenko和Marshakov[31]还综合了ISO、MICAT、UN/ECE和俄罗斯等多个组织/国家的腐蚀数据，对常用的碳钢和Zn的DRF参数进行了修正.叶堤等[32]基于16个站点碳钢、Zn和Cu的腐蚀数据和环境数据，通过灰色关联分析选取了影响腐蚀的主要环境参数，并基于腐蚀机理和非线性回归拟合方法建立了3种金属材料的DRF，并验证了函数的普遍适用性和较好的预测精度.Leuenberger-Minger等[33]利用瑞士境内7个地点的腐蚀数据进行分析，结果表明除了SO2外，环境中的臭氧对钢、Cu和Zn的腐蚀也有重要作用，并建立了耐候钢、Cu和Zn的DRF.Ríos-Rojas等[34]分析了碳钢在波哥大8个地区的腐蚀行为，结果表明，人类活动产生的SO2是影响腐蚀的主要因素，并基于温度、相对湿度和SO2建立了波哥大地区碳钢的DRF. ...
Prediction of H2S corrosion products and corrosion rate based on optimized random forest
1
2020
... 基于随机森林数据处理优点，研究人员将其应用于材料腐蚀领域中，并取得了较好的成果.曲志豪等[35]通过整合H2S腐蚀模拟试验数据，基于H2S分压、温度、pH值、实验周期、总压和CO2分压等环境参数，采用随机森林算法分别建立了硫铁腐蚀产物类别预测模型和腐蚀速率预测模型，并利用网格搜索方法对随机森林进行优化，提高预测结果可靠性.骆正山等[36]利用灰色关联分析首先筛选了影响管道腐蚀的主要因素CO2体积分数、Cl-质量浓度、压力、温度和流速等，并对比了随机森林预测模型、BP神经网络预测模型和SVM预测模型.结果表明，管线内腐蚀速率预测的随机森林模型均方根误差和平均相对误差均低于其他两种模型.Chun等[37]提出了一种利用随机森林评估钢筋腐蚀内部损伤程度的方法，基于空气渗透率、电阻率、超声波和压强等在线无损检测信号作为输入，建立了钢筋混凝土内部腐蚀预测模型，并通过交叉验证验证了模型的高精度，相关研究结果已经应用在实际桥梁检查，检测不可见的内部损伤. ...
基于优化随机森林的H2S腐蚀产物类型及腐蚀速率预测
1
2020
... 基于随机森林数据处理优点，研究人员将其应用于材料腐蚀领域中，并取得了较好的成果.曲志豪等[35]通过整合H2S腐蚀模拟试验数据，基于H2S分压、温度、pH值、实验周期、总压和CO2分压等环境参数，采用随机森林算法分别建立了硫铁腐蚀产物类别预测模型和腐蚀速率预测模型，并利用网格搜索方法对随机森林进行优化，提高预测结果可靠性.骆正山等[36]利用灰色关联分析首先筛选了影响管道腐蚀的主要因素CO2体积分数、Cl-质量浓度、压力、温度和流速等，并对比了随机森林预测模型、BP神经网络预测模型和SVM预测模型.结果表明，管线内腐蚀速率预测的随机森林模型均方根误差和平均相对误差均低于其他两种模型.Chun等[37]提出了一种利用随机森林评估钢筋腐蚀内部损伤程度的方法，基于空气渗透率、电阻率、超声波和压强等在线无损检测信号作为输入，建立了钢筋混凝土内部腐蚀预测模型，并通过交叉验证验证了模型的高精度，相关研究结果已经应用在实际桥梁检查，检测不可见的内部损伤. ...
Corrosion prediction of gathering pipelines in condensate gas field
1
2019
... 基于随机森林数据处理优点，研究人员将其应用于材料腐蚀领域中，并取得了较好的成果.曲志豪等[35]通过整合H2S腐蚀模拟试验数据，基于H2S分压、温度、pH值、实验周期、总压和CO2分压等环境参数，采用随机森林算法分别建立了硫铁腐蚀产物类别预测模型和腐蚀速率预测模型，并利用网格搜索方法对随机森林进行优化，提高预测结果可靠性.骆正山等[36]利用灰色关联分析首先筛选了影响管道腐蚀的主要因素CO2体积分数、Cl-质量浓度、压力、温度和流速等，并对比了随机森林预测模型、BP神经网络预测模型和SVM预测模型.结果表明，管线内腐蚀速率预测的随机森林模型均方根误差和平均相对误差均低于其他两种模型.Chun等[37]提出了一种利用随机森林评估钢筋腐蚀内部损伤程度的方法，基于空气渗透率、电阻率、超声波和压强等在线无损检测信号作为输入，建立了钢筋混凝土内部腐蚀预测模型，并通过交叉验证验证了模型的高精度，相关研究结果已经应用在实际桥梁检查，检测不可见的内部损伤. ...
凝析气田集输管线腐蚀预测研究
1
2019
... 基于随机森林数据处理优点，研究人员将其应用于材料腐蚀领域中，并取得了较好的成果.曲志豪等[35]通过整合H2S腐蚀模拟试验数据，基于H2S分压、温度、pH值、实验周期、总压和CO2分压等环境参数，采用随机森林算法分别建立了硫铁腐蚀产物类别预测模型和腐蚀速率预测模型，并利用网格搜索方法对随机森林进行优化，提高预测结果可靠性.骆正山等[36]利用灰色关联分析首先筛选了影响管道腐蚀的主要因素CO2体积分数、Cl-质量浓度、压力、温度和流速等，并对比了随机森林预测模型、BP神经网络预测模型和SVM预测模型.结果表明，管线内腐蚀速率预测的随机森林模型均方根误差和平均相对误差均低于其他两种模型.Chun等[37]提出了一种利用随机森林评估钢筋腐蚀内部损伤程度的方法，基于空气渗透率、电阻率、超声波和压强等在线无损检测信号作为输入，建立了钢筋混凝土内部腐蚀预测模型，并通过交叉验证验证了模型的高精度，相关研究结果已经应用在实际桥梁检查，检测不可见的内部损伤. ...
Random forest-based evaluation technique for internal damage in reinforced concrete featuring multiple nondestructive testing results
1
2020
... 基于随机森林数据处理优点，研究人员将其应用于材料腐蚀领域中，并取得了较好的成果.曲志豪等[35]通过整合H2S腐蚀模拟试验数据，基于H2S分压、温度、pH值、实验周期、总压和CO2分压等环境参数，采用随机森林算法分别建立了硫铁腐蚀产物类别预测模型和腐蚀速率预测模型，并利用网格搜索方法对随机森林进行优化，提高预测结果可靠性.骆正山等[36]利用灰色关联分析首先筛选了影响管道腐蚀的主要因素CO2体积分数、Cl-质量浓度、压力、温度和流速等，并对比了随机森林预测模型、BP神经网络预测模型和SVM预测模型.结果表明，管线内腐蚀速率预测的随机森林模型均方根误差和平均相对误差均低于其他两种模型.Chun等[37]提出了一种利用随机森林评估钢筋腐蚀内部损伤程度的方法，基于空气渗透率、电阻率、超声波和压强等在线无损检测信号作为输入，建立了钢筋混凝土内部腐蚀预测模型，并通过交叉验证验证了模型的高精度，相关研究结果已经应用在实际桥梁检查，检测不可见的内部损伤. ...
Hybrid genetic algorithms and support vector regression in forecasting atmospheric corrosion of metallic materials
1
2009
... Fang等[38]首次将SVM模型应用于大气腐蚀预测，建立了温度、润湿时间、服役时间和污染物浓度等环境因素与金属材料大气腐蚀速率预测模型.Fu等[39]利用SVM模型建立了影响碳钢大气腐蚀特征和碳钢腐蚀速率的预测模型，并与传统的最小二乘法进行对比，验证了SVM模型在小样本数据情况下预测结果的可靠性.田玉琬[40]利用SVM建立了Cr含量、氯敏阻锈剂Zn-Al-NO2LDH掺杂量、pH和Cl-浓度等因素与钢筋极化电阻的预测模型，模型预测结果相关性大于0.87，实现了根据不同环境特点设计钢筋成分达到更高耐蚀性.Qiu等[41]通过将SVM和递归特征消除 (RFE) 相结合，提出了SVM-RFE算法来选择腐蚀数据中的特征，并通过实验数据验证了建立的算法在金属材料大气腐蚀数据数据分析和腐蚀速率预测方面的可行性.Wen等[42]分别用SVM和BP神经网络对钢在海水环境中的腐蚀速率进行预测，建立了基于温度、含盐度、pH、溶解氧浓度和电位等5种因素的腐蚀速率预测模型，结果表明SVM预测结果的精度更高. ...
Atmospheric corrosion modelling with SVM based feature selection
1
2009
... Fang等[38]首次将SVM模型应用于大气腐蚀预测，建立了温度、润湿时间、服役时间和污染物浓度等环境因素与金属材料大气腐蚀速率预测模型.Fu等[39]利用SVM模型建立了影响碳钢大气腐蚀特征和碳钢腐蚀速率的预测模型，并与传统的最小二乘法进行对比，验证了SVM模型在小样本数据情况下预测结果的可靠性.田玉琬[40]利用SVM建立了Cr含量、氯敏阻锈剂Zn-Al-NO2LDH掺杂量、pH和Cl-浓度等因素与钢筋极化电阻的预测模型，模型预测结果相关性大于0.87，实现了根据不同环境特点设计钢筋成分达到更高耐蚀性.Qiu等[41]通过将SVM和递归特征消除 (RFE) 相结合，提出了SVM-RFE算法来选择腐蚀数据中的特征，并通过实验数据验证了建立的算法在金属材料大气腐蚀数据数据分析和腐蚀速率预测方面的可行性.Wen等[42]分别用SVM和BP神经网络对钢在海水环境中的腐蚀速率进行预测，建立了基于温度、含盐度、pH、溶解氧浓度和电位等5种因素的腐蚀速率预测模型，结果表明SVM预测结果的精度更高. ...
Study on the corrosion mechanism of the high-strength corrosion-resistance steel reinforcement and inhibitor in marine structures
1
2021
... Fang等[38]首次将SVM模型应用于大气腐蚀预测，建立了温度、润湿时间、服役时间和污染物浓度等环境因素与金属材料大气腐蚀速率预测模型.Fu等[39]利用SVM模型建立了影响碳钢大气腐蚀特征和碳钢腐蚀速率的预测模型，并与传统的最小二乘法进行对比，验证了SVM模型在小样本数据情况下预测结果的可靠性.田玉琬[40]利用SVM建立了Cr含量、氯敏阻锈剂Zn-Al-NO2LDH掺杂量、pH和Cl-浓度等因素与钢筋极化电阻的预测模型，模型预测结果相关性大于0.87，实现了根据不同环境特点设计钢筋成分达到更高耐蚀性.Qiu等[41]通过将SVM和递归特征消除 (RFE) 相结合，提出了SVM-RFE算法来选择腐蚀数据中的特征，并通过实验数据验证了建立的算法在金属材料大气腐蚀数据数据分析和腐蚀速率预测方面的可行性.Wen等[42]分别用SVM和BP神经网络对钢在海水环境中的腐蚀速率进行预测，建立了基于温度、含盐度、pH、溶解氧浓度和电位等5种因素的腐蚀速率预测模型，结果表明SVM预测结果的精度更高. ...
海工用高强耐蚀钢筋的腐蚀机理及阻锈剂研究
1
2021
... Fang等[38]首次将SVM模型应用于大气腐蚀预测，建立了温度、润湿时间、服役时间和污染物浓度等环境因素与金属材料大气腐蚀速率预测模型.Fu等[39]利用SVM模型建立了影响碳钢大气腐蚀特征和碳钢腐蚀速率的预测模型，并与传统的最小二乘法进行对比，验证了SVM模型在小样本数据情况下预测结果的可靠性.田玉琬[40]利用SVM建立了Cr含量、氯敏阻锈剂Zn-Al-NO2LDH掺杂量、pH和Cl-浓度等因素与钢筋极化电阻的预测模型，模型预测结果相关性大于0.87，实现了根据不同环境特点设计钢筋成分达到更高耐蚀性.Qiu等[41]通过将SVM和递归特征消除 (RFE) 相结合，提出了SVM-RFE算法来选择腐蚀数据中的特征，并通过实验数据验证了建立的算法在金属材料大气腐蚀数据数据分析和腐蚀速率预测方面的可行性.Wen等[42]分别用SVM和BP神经网络对钢在海水环境中的腐蚀速率进行预测，建立了基于温度、含盐度、pH、溶解氧浓度和电位等5种因素的腐蚀速率预测模型，结果表明SVM预测结果的精度更高. ...
Feature selection of atmospheric corrosion data based on SVM-RFE Method
1
2013
... Fang等[38]首次将SVM模型应用于大气腐蚀预测，建立了温度、润湿时间、服役时间和污染物浓度等环境因素与金属材料大气腐蚀速率预测模型.Fu等[39]利用SVM模型建立了影响碳钢大气腐蚀特征和碳钢腐蚀速率的预测模型，并与传统的最小二乘法进行对比，验证了SVM模型在小样本数据情况下预测结果的可靠性.田玉琬[40]利用SVM建立了Cr含量、氯敏阻锈剂Zn-Al-NO2LDH掺杂量、pH和Cl-浓度等因素与钢筋极化电阻的预测模型，模型预测结果相关性大于0.87，实现了根据不同环境特点设计钢筋成分达到更高耐蚀性.Qiu等[41]通过将SVM和递归特征消除 (RFE) 相结合，提出了SVM-RFE算法来选择腐蚀数据中的特征，并通过实验数据验证了建立的算法在金属材料大气腐蚀数据数据分析和腐蚀速率预测方面的可行性.Wen等[42]分别用SVM和BP神经网络对钢在海水环境中的腐蚀速率进行预测，建立了基于温度、含盐度、pH、溶解氧浓度和电位等5种因素的腐蚀速率预测模型，结果表明SVM预测结果的精度更高. ...
Corrosion rate prediction of 3C steel under different seawater environment by using support vector regression
1
2009
... Fang等[38]首次将SVM模型应用于大气腐蚀预测，建立了温度、润湿时间、服役时间和污染物浓度等环境因素与金属材料大气腐蚀速率预测模型.Fu等[39]利用SVM模型建立了影响碳钢大气腐蚀特征和碳钢腐蚀速率的预测模型，并与传统的最小二乘法进行对比，验证了SVM模型在小样本数据情况下预测结果的可靠性.田玉琬[40]利用SVM建立了Cr含量、氯敏阻锈剂Zn-Al-NO2LDH掺杂量、pH和Cl-浓度等因素与钢筋极化电阻的预测模型，模型预测结果相关性大于0.87，实现了根据不同环境特点设计钢筋成分达到更高耐蚀性.Qiu等[41]通过将SVM和递归特征消除 (RFE) 相结合，提出了SVM-RFE算法来选择腐蚀数据中的特征，并通过实验数据验证了建立的算法在金属材料大气腐蚀数据数据分析和腐蚀速率预测方面的可行性.Wen等[42]分别用SVM和BP神经网络对钢在海水环境中的腐蚀速率进行预测，建立了基于温度、含盐度、pH、溶解氧浓度和电位等5种因素的腐蚀速率预测模型，结果表明SVM预测结果的精度更高. ...
Prediction of pipeline inner-corrosion based on principal component analysis and particle swarm optimization-support vector machine
1
2018
... 毕傲睿等[43]建立了基于主成分和粒子群优化SVM的腐蚀预测模型，首先利用主成分分析法选取了影响腐蚀的H2S、CO2和温度等7个关键因素作为模型的输入参数，利用鲶鱼粒子群算法 (CFPSO) 优化影响SVM预测精度的参数，避免陷入局部极值.结果表明，CFPSO-SVM对腐蚀的预测结果误差为2.82%，相关度为0.9955，预测效果优于单一的SVM模型.李柯[44]首先利用灰色关联分析方法建立了服役环境不同因素与腐蚀速率的关联度强弱，并基于耦合遗传算法的BP网络建立SPHC钢的大气腐蚀预测模型，较好的预测了SPHC钢的大气腐蚀规律，且误差小于10%.Yan等[45]利用皮尔逊相关性分析确定了最高气温、光照等9个关键因素作为输入数据，并利用随机森林构建了不同海洋大气环境中低合金钢的腐蚀预测模型，通过输入变量的优化，模型精度达到了0.94. ...
基于主成分和粒子群优化支持向量机的管道内腐蚀预测
1
2018
... 毕傲睿等[43]建立了基于主成分和粒子群优化SVM的腐蚀预测模型，首先利用主成分分析法选取了影响腐蚀的H2S、CO2和温度等7个关键因素作为模型的输入参数，利用鲶鱼粒子群算法 (CFPSO) 优化影响SVM预测精度的参数，避免陷入局部极值.结果表明，CFPSO-SVM对腐蚀的预测结果误差为2.82%，相关度为0.9955，预测效果优于单一的SVM模型.李柯[44]首先利用灰色关联分析方法建立了服役环境不同因素与腐蚀速率的关联度强弱，并基于耦合遗传算法的BP网络建立SPHC钢的大气腐蚀预测模型，较好的预测了SPHC钢的大气腐蚀规律，且误差小于10%.Yan等[45]利用皮尔逊相关性分析确定了最高气温、光照等9个关键因素作为输入数据，并利用随机森林构建了不同海洋大气环境中低合金钢的腐蚀预测模型，通过输入变量的优化，模型精度达到了0.94. ...
Study on corrosion mechanism and prediction model of SPHC in Tianjin atmospheric environment
1
2021
... 毕傲睿等[43]建立了基于主成分和粒子群优化SVM的腐蚀预测模型，首先利用主成分分析法选取了影响腐蚀的H2S、CO2和温度等7个关键因素作为模型的输入参数，利用鲶鱼粒子群算法 (CFPSO) 优化影响SVM预测精度的参数，避免陷入局部极值.结果表明，CFPSO-SVM对腐蚀的预测结果误差为2.82%，相关度为0.9955，预测效果优于单一的SVM模型.李柯[44]首先利用灰色关联分析方法建立了服役环境不同因素与腐蚀速率的关联度强弱，并基于耦合遗传算法的BP网络建立SPHC钢的大气腐蚀预测模型，较好的预测了SPHC钢的大气腐蚀规律，且误差小于10%.Yan等[45]利用皮尔逊相关性分析确定了最高气温、光照等9个关键因素作为输入数据，并利用随机森林构建了不同海洋大气环境中低合金钢的腐蚀预测模型，通过输入变量的优化，模型精度达到了0.94. ...
SPHC在天津大气环境下的腐蚀机理与预测模型研究
1
2021
... 毕傲睿等[43]建立了基于主成分和粒子群优化SVM的腐蚀预测模型，首先利用主成分分析法选取了影响腐蚀的H2S、CO2和温度等7个关键因素作为模型的输入参数，利用鲶鱼粒子群算法 (CFPSO) 优化影响SVM预测精度的参数，避免陷入局部极值.结果表明，CFPSO-SVM对腐蚀的预测结果误差为2.82%，相关度为0.9955，预测效果优于单一的SVM模型.李柯[44]首先利用灰色关联分析方法建立了服役环境不同因素与腐蚀速率的关联度强弱，并基于耦合遗传算法的BP网络建立SPHC钢的大气腐蚀预测模型，较好的预测了SPHC钢的大气腐蚀规律，且误差小于10%.Yan等[45]利用皮尔逊相关性分析确定了最高气温、光照等9个关键因素作为输入数据，并利用随机森林构建了不同海洋大气环境中低合金钢的腐蚀预测模型，通过输入变量的优化，模型精度达到了0.94. ...
Corrosion rate prediction and influencing factors evaluation of low-alloy steels in marine atmosphere using machine learning approach
1
2020
... 毕傲睿等[43]建立了基于主成分和粒子群优化SVM的腐蚀预测模型，首先利用主成分分析法选取了影响腐蚀的H2S、CO2和温度等7个关键因素作为模型的输入参数，利用鲶鱼粒子群算法 (CFPSO) 优化影响SVM预测精度的参数，避免陷入局部极值.结果表明，CFPSO-SVM对腐蚀的预测结果误差为2.82%，相关度为0.9955，预测效果优于单一的SVM模型.李柯[44]首先利用灰色关联分析方法建立了服役环境不同因素与腐蚀速率的关联度强弱，并基于耦合遗传算法的BP网络建立SPHC钢的大气腐蚀预测模型，较好的预测了SPHC钢的大气腐蚀规律，且误差小于10%.Yan等[45]利用皮尔逊相关性分析确定了最高气温、光照等9个关键因素作为输入数据，并利用随机森林构建了不同海洋大气环境中低合金钢的腐蚀预测模型，通过输入变量的优化，模型精度达到了0.94. ...
