为了掌握海底管道外腐蚀情况,保证管道的安全运行,对海洋环境腐蚀因素进行了梳理,确定了8种影响海底管道外腐蚀速率的主要因素,通过核主成分分析(kernel principal components analysis,KPCA)对影响因素进行优选,并将优选后的样本放入...为了掌握海底管道外腐蚀情况,保证管道的安全运行,对海洋环境腐蚀因素进行了梳理,确定了8种影响海底管道外腐蚀速率的主要因素,通过核主成分分析(kernel principal components analysis,KPCA)对影响因素进行优选,并将优选后的样本放入极限学习机(extreme learning machine,ELM)进行训练,以影响因素为输入,腐蚀速率为输出,采用改进的遗传算法(genetic algorithm,GA)对ELM的输入权值和隐含层偏差进行优化。结果表明,KPCA-GA-ELM模型最大相对误差2.43%,MSE和MAPE分别为0.14833和1.15,与其余三种模型相比,预测精度最高。研究结果可为提高海底管道完整性管理水平提供技术支持。展开更多