基于贝叶斯优化神经网络模型的管道腐蚀预测研究  

作　　者：闫莹[1] 李朔月 杨盼盼 杨正武 孙欣 戈成岳[2] 汪华林 侯保荣[2] 蔡兰坤[1] 

机构地区：[1]华东理工大学资源与环境工程学院(化工过程环境风险评价与控制国家环境保护重点实验室),上海200237 [2]中国科学院海洋研究所(海洋关键材料全国重点实验室),山东青岛266071

出　　处：《海峡科学》2025年第1期121-127,共7页Straits Science

基　　金：中国工程科技发展战略福建研究院咨询项目“福建省海洋腐蚀与防护产业及关键技术发展战略研究”(编号:2024-FJ-XZ-3)。

摘　　要：管道腐蚀预测对保障油气运输安全至关重要。该文提出一种基于贝叶斯优化的神经网络模型,通过散点图矩阵、皮尔逊相关性热图及PCA得分图分析,剔除氧化还原电位这一变量,筛选出时间、含水量、溶解氯化物浓度等9个关键影响因素,进一步利用贝叶斯优化算法对反向传播神经网络(BPNN)与深度神经网络(DNN)的超参数进行自适应调优。研究结果表明,优化后的BO-BPNN与BO-DNN显著提升了预测能力,其中BO-DNN表现更优。

关 键 词：贝叶斯优化 深度神经网络 管道腐蚀 腐蚀预测 

分 类 号：TE988.2[石油与天然气工程—石油机械设备] TP18[自动化与计算机技术—控制理论与控制工程]