基于改进方法的接地网不开挖腐蚀速率预测模型(5)

本文令z为α，其表示为只有预测出虚拟度量指标α正确大小关系时才能获得相应的奖励分数。经此训练，每当遇到类似的新样本时，通过与60组锚点的对比，就可以判断出位于哪两个锚点之间，此外60组锚点的顺序排列平均差异仅为0.129 83，理论上，在上述成功预测的情况下，实际借助锚点二次预测的真实腐蚀速率不会超过该平均值。

3 实验分析

本文选取来自25个变电站的观测数据作为样本[13]。接地网在土壤中腐蚀受到多种因素的影响，选取土壤物理化学性质和电阻平均增长速率作为输入参数，选取电阻平均增长速率作为输出参数。其中，土壤物理化学性质包括含水率、电阻率、孔隙率、SO42–含量和Cl–含量，可定量地显示出接地网所处的土壤环境；电阻平均增长速率根据支路电阻变化情况和接地网工作时间综合得出，可以间接反映接地网腐蚀状态；接地网腐蚀速率通过失重法确定。

将72组实验数据中的前60组作为训练样本，后12组作为测试样本。因为5个输入量和1个输出量的维度和量纲各不相同，为防止其对预测模型的预测精度和模型灵敏度产生影响，按照公式（9）对所有数据归一化：

（9）

式中：A和A′分别表示原始数据和归一化后的数据；Amax和Amin分别表示原始数据中的最大值和最小值。

为了更准确地预测接地网腐蚀结果，采用图3所示改进的CL-ML模型，输出结果是参与拟合的锚点腐蚀速率的系数。改进的CL-ML模型把传统的拟合升级为基于锚点的系数预测。特别是针对工业环境学习中，非线性强、样本稀少、获取困难等难题而设计，是一种具有普遍适应性的创新性框架。与直接拟合类算法以及传统机器学习算法中需要大量样本的特性相比有本质的不同。图3网络的输入是2.1节中度量网络输出中与锚点度量近似的两个真实样本，经过包含注意力模块的卷积后，两个样本共同融合成具有内在耦合系数组，与公式（8）结合后形成所需的真实腐蚀速率。值得注意的是，图3示意网络仅为叙述方便，实际运行中提出的网络可以扩展位同时包含多组锚点和需要预测组的多输入网络，本身具有尺度可变性。

针对非线性程度强导致目标腐蚀速率Y拟合困难的问题，拟采用k-临近的方法进行拟合。k-临近算法的核心思想是：在已知训练集数据的前提下，代入测试集数据并将测试集数据的特征和训练集特征相比较，通过比较距离找出训练集中与之最接近的前K个数据，进而K个数据中出现次数最多的分类就是测试集所属的分类。k-临近算法的基本流程为：

（1）计算欧式距离。假设测试集数据集为B=(B1,B2,B3,···,Bn)，训练集数据集为A=(A1,A2,A3,···,An)，则测试集与训练集之间的欧式距离定义为。其中，Ak,Bk为训练集和测试集的特征属性，n为特征属性的个数。

（2）对欧式距离进行从大到小排序。

（3）根据步骤（2）选取距离最近的K个点，确定K值。

（4）确定K个附近点的类别，进而根据投票机制决定待分类样本的类别。

为了显示本文采用方法的优越性，同时采用了广义回归神经网络（GRNN）和BP神经网络对样品进行了训练、拟合和预测。进一步应用了上述3种模型对测试样本进行了预测，相关测试结果如表1所示。

为了更加直观和深入地对3种预测模型的误差进行对比分析，采用平均相对误差eMAPE、相对误差的标准差sMAPE和均方误差（MSE）eMSE3个指标进行评价，相关计算公式为：

（10）

基于表1中3个模型预测的结果，进一步通过公式（10）~（12）分别对ICL-ML模型、广义回归神经网络（GRNN）、BP神经网络的结果进行了评价，见表2。

表1 实际值和3种模型的预测值对比Tab. 1 Comparison between the actual results and the predicted values of the three models编号腐蚀速率/（g×dm–2×a–1） 实际值ICL-MLGRNNBP .

表2 3种模型的误差对比Tab. 2 Comparison of errors among the three prediction models预测模型eMAPEsMAPEeMSE 50.079 30.095 90.031 50.111 70.130 90.100 20.306 40.516 0

通过分析表2中的指标，可以发现ICL-ML预测模型的eMAPE远小于广义回归神经网络和BP神经网络，表明ICL-ML模型预测结果的相对误差波动性较小，即ICL-ML模型的适应性和稳定性良好。与此同时，ICL-ML预测模型的sMAPE和eMSE也均远远小于广义回归神经网络和BP神经网络，说明ICL-ML模型的预测值更加接近于真实值，表现出更加优异的准确度。

4 结论

文章来源：《腐蚀科学与防护技术》 网址: http://www.fskxyfhjszz.cn/qikandaodu/2021/0617/822.html