[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

说明书

本发明公开了一种基于随机森林算法的碳钢腐蚀速率预测方法，属于金属材料的腐蚀预测技术领域，本发明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；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，可大幅降低试验成本、缩短试验周期。

技术领域

本发明属于钢铁制造技术领域，具体涉及一种基于随机森林算法的碳钢腐蚀速率预测方法。

背景技术

我国幅员辽阔，跨越五大气候带，拥有沿海、内陆、湿热、干旱、城市、乡村、工业等众多的大气环境类型，影响材料腐蚀的环境因素复杂，不同的地区具有不同的大气腐蚀性，仅一个地区的腐蚀速率不具有代表性，而在钢材的推广过程中，用户又希望获得目标钢种在当地的腐蚀速率。

传统的获得腐蚀速率的方法是通过现场挂片，但是挂片成本高、周期长，尤其偏远地区的挂片，无论是挂样还是取样更是受到了气候和交通的双重限制。

随机森林是基于bagging(套袋法)和决策树的集成算法，通过随机取样，提高模型的泛化能力，从而提高预测的准确性。

发明内容

发明目的：本发明的目的在于提供基于随机森林算法的碳钢腐蚀速率预测方法，是结合计算机技术利用随机森林算法建立的碳钢腐蚀速率预测方法。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

一种基于随机森林算法的碳钢腐蚀速率预测方法，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：利用传统的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。

进一步地，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(约50万条)。

进一步地，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；步骤2)中，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，具体划分原则见表1；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。

进一步地，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。

进一步地，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。