[发明专利]一种基于BP神经网络模型的冲蚀失效定量预测方法

摘要

一种基于BP神经网络模型的冲蚀失效定量预测方法：建立BP神经网络模型，BP神经网络模型：包含1个输入层，2个隐含层和1个输出层；数据采集和处理，即基于冲刷腐蚀机理分析，得到影响材料冲蚀速率的重要参数，建立参数样本数据库；BP神经网络模型训练；BP神经网络模型预测，即当取得与参数样本数据库中都不同的5种工况参数的样本时，按照顺序计算第一个隐含层、第二个隐含层和输出层神经元的输出值，计算得到的输出值，即为5种工况参数下的腐蚀率。本发明提供一种能够解决传统预测模型问题的方法，可准确、快速的预测材料的冲蚀速率。具有特别重要的现实意义和可观的经济价值。

主权项

1.一种基于BP神经网络模型的冲蚀失效定量预测方法，其特征在于，包括如下步骤：1)建立BP神经网络模型，所述BP神经网络模型：包含1个输入层，2个隐含层和1个输出层；具体BP神经网络模型如下：(1)输入层：x1,x2,x3,x4,x5，分别对应于归一化处理后的NH4HS浓度、氯离子含量、温度、H2S分压和剪切应力；(2)第一隐含层输出计算公式：其中：i为第一个隐含层的人工神经元编号；x＝[x₁,...,x₅]，分别为NH₄HS浓度、氯离子含量、温度、H₂S分压和剪切应力5种工况参数；a_i代表第一个隐含层中，第i个人工神经元的输出；w1_ij代表第一个隐含层中，第i个人工神经元与第j个输入层人工神经元的权值，b1_i代表第一个隐含层中第i个人工神经元的阈值；代表对j从1到5进行求和操作；f₁代表第一个隐含层的传输函数，这里选用logsig函数：(3)第二隐含层的输出计算公式：其中：m为第二个隐含层的人工神经元编号；a_i代表第一个隐含层中，第i个人工神经元的输出；s_m代表第二个隐含层中第m个人工神经元的输出；w2_mi代表第二个隐含层中的第m个人工神经元与第一个隐含层中，第j个人工神经元的权值；b2_m代表第二个隐含层中第m个人工神经元的阈值；代表对i＝1到4进行求和操作；f₂代表第二隐含层的激励函数，这里选用Tansig函数：(4)输出层的输出计算公式：其中：k为输出层人工神经元的编号；s_m代表第二个隐含层中第j个人工神经元的输出；y代表整个BP神经网络模型最终的输出，即腐蚀率；w3_km代表输出层中第k个人工神经元与第二个隐含层中第j个人工神经元相连接的权值；代表对j从1到10进行求和操作；b3_k代表输出层中第k个人工神经元的阈值；2)数据采集和处理：基于冲刷腐蚀机理分析，得到影响材料冲蚀速率的重要参数，建立参数样本数据库；3)BP神经网络模型训练：4)BP神经网络模型预测当取得与参数样本数据库中都不同的5种工况参数的样本时，按照步骤1)第(2)、(3)和(4)步的顺序计算第一个隐含层、第二个隐含层和输出层神经元的输出值，计算得到的输出值，即为5种工况参数下的腐蚀率。