APSO-BPNN模型在滨海环境中铁质材料腐蚀速率预测中的应用

针对滨海复杂环境中铁质材料腐蚀速率预测的问题,利用自适应粒子群优化(APSO)算法对反向传播神经网络(BPNN)中的权重和阈值进行优化,构建了一种APSO-BPNN模型,以提高铁质材料在滨海环境中腐蚀速率预测的准确性。基于暴露试验数据,对比了APSO-BPNN模型与传统BPNN模型的预测效果。结果表明:APSO-BPNN模型在训练集上的决定系数R_(2)提高了23.65%,其在测试集上的R2达到0.9258,平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别下降至11.55、22.26%和14.43。