[发明专利]一种基于随机森林算法的碳钢腐蚀速率预测方法

权利要求书

1.一种基于随机森林算法的碳钢腐蚀速率预测方法，其特征在于：包括以下步骤：

1)采集数据：采集影响碳钢腐蚀的主要因素SO₂、温度、湿度和降雨，利用高通量的腐蚀监测探头，每分钟采集一条温度、湿度和腐蚀电流数据点，测试站点共采集一年的数据量；

2)数据前期处理：对采集的数据点筛选出异常值并删除；

3)建立腐蚀预测模型：利用随机森林算法，建立SO₂、温度、湿度和腐蚀电流的关系模型；

4)验证模型：利用挂片腐蚀速率验证模型计算的腐蚀速率准确度；

a(x)＝(1-|v₁-v₂|/v₂)*100％

式中，a(x)表示腐蚀准确率，v₁表示传统的挂片腐蚀速率，v₂表示模型计算的腐蚀速率；

5)预测碳钢腐蚀速率：收集的SO₂、温度、湿度、降雨等信息，利用已建立的腐蚀预测模型，对碳钢进行腐蚀速率预测。

2.根据权利要求1所述的一种基于随机森林算法的碳钢腐蚀速率预测方法，其特征在于：步骤1)中，所述的采集数据具体为每一分钟采集一个数据点，采集的数据项包括SO₂、温度、湿度、降雨量和腐蚀电流，采集一年的数据量。

3.根据权利要求1所述的一种基于随机森林算法的碳钢腐蚀速率预测方法，其特征在于：步骤2)中，所述的数据前期处理具体为对完全重复的数据删除后，将数据根据降雨情况划分为雨季和旱季两段数据；将降雨信息，只要下雨，不论降雨量大小，一律置为数值1；对没有降雨的数据点，按照湿度大小划分数据等级；将降雨信息和湿度等级的划分值作为影响碳钢腐蚀速率的因素，并参与模型计算。

4.根据权利要求1所述的一种基于随机森林算法的碳钢腐蚀速率预测方法，其特征在于：所述的步骤3)中，将测试地点的SO₂、温度、湿度和数值等级划分值作为自变量x，腐蚀电流数值作为因变量y，利用随机森林算法，建立x和y之间的关系模型，即腐蚀预测模型。

5.根据权利要求4所述的一种基于随机森林算法的碳钢腐蚀速率预测方法，其特征在于：步骤3)中，所述的建立腐蚀预测模型，包括如下步骤：

3.1)使用Bootstrap方法随机有放回地从N个原始训练样本中选择n(nN)个样本生成m个训练子集。

3.2)分别对m个训练子集进行决策树建模：在节点上所有的样本特征中随机选择一部分样本特征，依据最小均方差进行决策树的左右子树划分，递归建树直到满足终止条件：

其中，对于任意划分特征A，对应任意划分点a两边划分成的数据集D₁和D₂；式中，x_i为样本值，y_i是与x_i对应的真实值，c₁为D₁数据集的样本输出均值，c₂为D₂数据集的样本输出均值；每棵决策树由样本量为n的训练子集X和θ_k生成；随机向量序列{θ_k,k＝1,2....n}独立同分布；

3.3)重复以上步骤，将多棵决策树组成随机森林，即所有决策树的集合{h(X,θ_k),k＝1,2...n}，其中，每个决策树模型h(X,θ_k)都有一票投票权来选择输入变量x的分类结果：

其中，H(x)表示随机森林分类结果，h_i(x)是单个决策树分类结果，Y表示分类目标，I(.)为示性函数；

3.4)将测试样本输入随机森林回归模型，采用简单投票机制，即票数最多的作为最终预测结果，并与实际值对比，评价模型的拟合效果。

6.根据权利要求1所述的一种基于随机森林算法的碳钢腐蚀速率预测方法，其特征在于：步骤5)中，利用步骤3)建立的关系模型，将SO₂、温度、湿度和降雨信息输入至模型中，计算出腐蚀电流值，根据法拉第定律进一步将腐蚀电流换算成腐蚀速率。