具有先验知识的前馈网络规划模型在海水腐蚀预测中的应用

D0I:10.13374/j.issn1001053x.2000.03.014 第22卷第3期 北京科技大学学报 Vol.22 No.3 2000年6月 Journal of University of Science and Technology Beijing June 2000 具有先验知识的前馈网络规划模型 在海水腐蚀预测中的应用 杨晓明”谢铁军) 熊丽清”戴明安》朱相荣》 1)北京科技大学高教所，北京1000832)北京科技大学应用科学学院，北京1000833)青岛海洋腐蚀研究所，青岛266071 摘要应用具有先验知识的前馈网络模型研究海水环境与材料（钢）腐蚀之间对应关系，结 果表明该模型能够很好地揭示材料海水腐蚀规律，提高了预测准确度 关键词海水腐蚀预测；先验知识：前馈网络模型 分类号0235 海水腐蚀是材料与环境之间进行的、复杂 的规律.实际上，我们对海水腐蚀机理有所知， 的物理化学反应，经过多年的实海暴露测试积 只是知不深，尚未达到建立机理的程度，如果将 累，我国已取得了70种材料长时间多阶段的海 研究领域的先验知识与BP网络相结合，则可提 水腐蚀数据.在黑色金属方面，目前已经拥有碳 高实际预测的精度， 钢、低合金钢在4个海域（青岛、厦门、榆林、舟 1前馈网络模型与算法 山)的3个海区（全浸区、潮差区、飞溅区）8年 的腐蚀数据.研究这些数据的内在关系，寻求碳 1.1网络模型 钢、低合金钢材料的海水腐蚀的规律，预测它们 考虑一个三层前馈网络，其输入层、隐含层 的腐蚀行为和使用寿命，对于我国的海洋开发、 和输出层的节点分别为N,N,N,节点作用函 海洋工程、海防建设的设计选材、腐蚀防护具有 数取为igmid,,f则： 重要的意义，目前开发应用的数据处理方法有 主成分分析、聚类分析、判别分析、灰色理论、回 0.=f位w0-0, (1) 归分析等刃.但海水腐蚀的环境和材料特点，使 0=f②w0- (2) 这些方法面临困难：(1)海水环境相当复杂，材 On=Ip (3) 料因素也十分繁杂：(2)有些环境因素数据或材 式中，W,W分别表示输入层节点i和隐含层节 料因素数据缺乏或不完整：(3)常用的分析方法 点j以及隐含层节点j和输出层节点k之间的连 不能很好地预测新的因素变化对材料腐蚀的影 接权；，和8分别表示节点j和节点k的阈值； 响. O,O,O#分别表示训练样本为P时的输入层节 最近人们尝试利用人工神经网络(BP)方法 点i的输入、隐含层节点j和输出层节点k的计 来处理这类问题，文献[1,2]取得了较好的结果， 算输出，p为样本序号.设T为对应样本p的输 其主要思想是：将环境因素与材料的腐蚀的作 入层节点k的理想值.则前馈网络学习问题转化 用关系视为黑箱，从而确定输入（环境）与输出 为下述非线性规划问题 (材料腐蚀率)之间的确定关系.理论上已证明 minE=ΣlTt-Ol 任何连续函数都可以用3层BP神经网络以任 意精度逼近.它不需要预先给出模型而只需要 0-f(w,0-80 四 一组己知条件和结果组成的学习样本，即可通 过自学习或有导师的学习获得条件与结果之间 0-(度w0.--=0 d=20-7H0-T】 1999-0427收稿杨晓明男，39岁，副教授，硕士 (4) *国家自然科学基金资助课题No.59290900) k=0-T-(0-T.】

第 2 2 卷 第 3 期 2 00 年 6 月 北 京 科 技 大 学 学 报 JO u rn a l o f U n vi e rs tiy o f s e i e n e e a n d l ’e e h n o l o yg B jie i n g V b l 一 2 2 N 0 3 J U n e 2 0 e 0 具有先验知识 的前馈 网络规划模型 在海水腐蚀预测 中的应用 杨 晓明 ” 谢铁军 ” 熊丽 清 ” 戴明安 ” 朱相荣 ” 1) 北京科技大学高教所 , 北京 10 0 83 2 ) 北京科技大学应用科学学 院 , 北京 10 0 0 83 3) 青岛海洋腐蚀研究所 , 青岛 2 6 60 71 摘 要 应 用具有 先验 知识 的前 馈 网络模型研 究海水环 境与材料 ( 钢 ) 腐蚀 之 间对 应关系 . 结 果表 明该模 型能够 很好地 揭示材 料海水 腐蚀规律 , 提高 了预 测准确 度 . 关键词 海水 腐蚀 预测 ; 先验 知识 ; 前 馈 网络模 型 分类号 0 2 35 、少、产产l. 了山勺氏à,l、 .`了且、、 心 海水腐蚀 是材料与环境之 间进行 的 、 复杂 的 物理化学反应 . 经过多年的实海暴露测试积 累 , 我国 已取得 了 70 种材料长 时 间 多阶段的海 水腐蚀数据 . 在黑 色金 属 方面 , 目前 已经拥有碳 钢 、 低合金钢 在 4 个海域 ( 青 岛 、 厦 门 、 榆林 、 舟 山 ) 的 3 个海 区 ( 全浸区 、 潮差 区 、 飞 溅区 ) 8 年 的腐蚀数据 . 研究这些数据的 内在关系 , 寻 求碳 钢 、 低合金钢 材料的海水腐蚀的规律 , 预测 它们 的腐蚀行为和 使用 寿命 , 对 于我 国 的海 洋开发 、 海洋工程 、 海防建设的设计选材 、 腐蚀防护具 有 重要 的意 义 . 目前 开发 应 用 的 数 据 处 理 方 法有 主 成分分析 、 聚类分析 、 判别分析 、 灰色理论 、 回 归 分析等1[, 2, . 但海水 腐蚀的环 境 和 材 料特 点 , 使 这 些 方法 面 临 困难 : ( l) 海水环 境相 当 复杂 , 材 料因素也 十分 繁杂 ; (2 ) 有些环 境因 素数据或 材 料因素数 据缺 乏或 不 完整 ; (3 ) 常用的分 析方法 不 能很好地预测新 的因素变化对材 料腐蚀 的影 响 . 最近人们 尝试利用 人 工神经 网络 ( B )P 方 法 来处 理这类 问题 , 文 献〔1 , 2〕取得 了较好 的 结果 . 其主 要思 想是 : 将环 境 因 素与材料 的腐蚀 的作 用 关系视为 黑 箱 , 从 而 确 定 输入 ( 环 境 ) 与输 出 ( 材料腐蚀率 ) 之 间的确定 关系 . 理 论 上 已 证 明 任何连续 函数都可 以用 3 层 B P 神经 网络 以任 意精度逼近 . 它不 需要预先 给 出模型 而 只 需要 一 组 己 知 条件和 结果 组 成的 学习 样本 , 即可 通 过 自学习 或有 导师 的学习 获得条件与结 果之 间 的规律 . 实 际上 , 我们对海水腐蚀机理有所知 , 只 是知不 深 , 尚未达到建立机 理 的程度 . 如果将 研究领域 的先验知识与 B P 网 络相 结合 , 则 可提 高实际 预测的精度 . 1 前馈网络模型与算法 1 . 1 网络模型 考虑一 个三层前馈 网络 , 其输入 层 、 隐含层 和 输 出层 的节 点分别为 N1 , 从 , 凡 , 节 点作用 函 数取 为 is gm iod : 介 命 则 : 、 一 厂侈、 、 一 k0) 、 一 厂 (愚。 、 一 习 仇 = 吞 式中 , 城 , , 叽分别表示输入层节点 i 和隐含层节 点 j 以及 隐含层节 点 j 和输出层节 点 k 之 间的连 接权 ; 尽和氏分别表示节点 j 和 节点 k 的阑值 ; 仇 , 仇 , 味分别表示训 练样本为尸 时的输入层节 点 i 的输入 、 隐含层 节 点 j 和输出层节 点 k 的计 算输出 , P 为样本序号 . 设几为对应样本 P 的输 入层节 点 k 的理想值 . 则前馈 网络学习 问题 转化 为下述非线性规划 问题 199 . 仆卜27 收稿 杨晓 明 男 , 39 岁 , 副教授 , 硕士 * 国家 自然科学 基金 资助课题困 。 j 9 2 9 0 9O0) 一 专:}、 一 。 卜(、 一 几)] 一 合:}。 一 。 } 一 (沐一 几 ,〕 ( 4 ) DOI: 10. 13374 /j . issn1001 -053x. 2000. 03. 014

VoL.22 No.3 杨晓明等：具有先验知识的前馈网络规划模型在海水腐蚀预测中的应用 ·243· 则上述非线性规划问题(I)变成为下述非X,X=(W,W,,C,OO),非线性目标规 线性目标规划问题 划模型可在X附近展开线性目标规划模型，要求 minE=Σ∑(d+d) 解向量X满足K一X刚川≤，为向量X第i个分 T+d-dh-f(∑WO-)=0 量的步长限制，初始可行解向量X可通过BP算 (I) O-fW:Op.-0)=0 法产生.综上所述，求解GPM-PK可按下列步骤 I 进行： i=1,2,…,N1=1,2…,N2;k=1,2,…,N step1给定步长，容许误差6,6. 1.2预测先验知识的运用 step2产生随机数赋予权系数和阈值作为网络初 目前用前馈网络建模时，视其为一个黑箱. 值 对于海水腐蚀问题，我们有下列先验知识：材料 step3按BP算法产生网络初始可行解X,. 在海水中的腐蚀率y)随海水中的溶解氧浓度 step4求解(IⅡ)及(6)组成的非线性目标规划模 (x)、生物附着物(x)的增加而增加，即有约束 型.设其解为X,若X可行，则令X,=X转入 条件： 密≥0，=45 (5) step5否则以2代替再解. 此时假如采用输入层5个节点，输出层1个 step5若‖EX+1)-EX)l≤E且I‖X-X‖≤e2则K 节点的前馈网络研究海水腐蚀预测问题，则由 为近似最优解：否则令，”=成，k=+1转入 (1)~(3)及(4)式可得： step 4. =r(2w,0,-2wf(色w,0-806 d山r 2实际应用 i=4,5:k=1 于是（Ⅱ）与(6)式共同构成了海水腐蚀预测的 我们选取了青岛、舟山、厦门、榆林、湛江5 前馈网络非线性先验模型GPM-PK(Goal pro- 个海域的年平均环境数据，主要抽取对材料腐 gram with prior knowledge). 蚀有明显作用的5个因素数据：pH值(x)、温度 13GPM-PK的求解 (x)、盐度(：)、溶解浓度(x)和生物附着物(x): 由规划模型可以看出，式中非线性项均含 同时选取了A,钢在这5个海域和2个海区（全 有f()项或f'()项，由Sigmoid函数性质可知： 浸、潮差)的年平均腐蚀率y,单位mm/a,具体见 0f6=j1-fx1s子 表1. 将前4个海域的数据作为学习样本，湛江的 可通过逐次线性化的方法求解上述非线性目标规 数据作为预测样本，分别用本文模型（网络结构 划模型(GPM-PK),即给定一初始可行解向量 为5一8一1,8，=10-，8=10-)与BP网络模型（网 表】A,钢在海域中一年的腐蚀数据 Tablel Corrosion date of A,steel in ocean one year 环境因素 平均腐蚀率y(mm·a) 海域 pH值(x) 温度(x/℃盐度(x)/%。 溶解氧浓度(x/ 附者物(x)/% 全浸带 潮差带 mL.L- 青岛 8.60 13.6 32.0 5.60 50 0.19 0.41 舟山 8.14 17.4 24.5 5.62 80 0.19 0.59 厦门 8.17 20.9 27.0 5.30 100 0.20 0.65 渝林 8.30 26.7 34.0 4.50 100 0.10 0.70 湛江 8.00 23.0 25.5 5.10 100 0.19 0.23 表2湛江海域年腐蚀率比较 络结构5一17一1，网络误差ε=4×10-6见文献 Table2 Comparision of two method result y/(mma) [2])进行了测算对比，结果见表2. 全浸带 潮差带 数值相对误差%数值相对误差/% 本文所用模型及算法的确能够反映海水环 实测值0.1900 0.230 境与材料腐蚀之间的规律，提高了海水腐蚀预测 本模型 0.1906 0.32 0.221 3.91 的精度. BP模型0.1920 1.05 0.198 13.90

、 b L2 2 N 0 3 杨晓 明等 : 具有 先验 知识 的前馈 网络规划 模型在 海水腐蚀 预测 中的应用 . 2 43 - 则上 述非线 性规划 问题 ( I ) 变成 为 下 述非 线性 目标规划 问题 m ni E 一 冬影心+.d ) 几+ 心 一心 一f (艺叽氏一 *0) = 0 氏一八艺 城 ` q : 一 0j ) = O i 二 1 , 2 , … 人 扩二 1 , .2 二 入;k 二 1 , 2 , … 龙 ( 11 ) L Z 预测先验知 识的运用 目前用 前馈网 络 建模时 , 视其为一个 黑箱 . 对于 海水腐蚀 问题 , 我们 有下 列先验知 识 : 材料 在海 水 中 的腐蚀率 妙) 随 海 水 中 的溶解 氧浓度 (为) 、 生 物附着物 x( 5 ) 的增加 而 增加 , 即有约 束 , .,l dx, _ 条件 : . 岑乡七 0 , =1 4 , 5 ( 5) , , , ` 办 一 “ ” 此时假如采用输入层 5 个节 点 , 输 出层 1 个 节 点的前馈 网络研究海水腐蚀预测 问题 , 则由 ( l 卜 ( 3 ) 及 (4 ) 式可 得 : 龙 丫 =( 叱 , 畔 , 毋 0O" 嵘 嵘 ) , 非线性 目标规 划模型可 在 X ’ 附近展 开线性 目标规划模型 , 要求 解 向量 X 满足比一矛kl) ` k8) , k8) 为向量 X 第 i 个分 量的步长 限制 , 初始可行解向量 X `可通过 B P 算 法产生 . 综上所述 , 求解 G P M 一P K 可按下 列步骤 进行 : st e P I 给定步长子 。 , , 容许误差 。 1 , : 2 . st e p Z 产生 随机数赋予 权系数和 阐值作为网络初 值 . st eP 3 按 B P 算法产生 网络初始可行解戈 . s t e p 4 求解 ( 11) 及 ( 6 ) 组成 的非线 性 目标 规划模 型 . 设其解为 X , 若 X 可行 , 则令龙 十 , ! X 转入 st eP S 否 则 以民k)2/ 代替4 k) 再解 . s t e p s 若 }}五份不 1 ) 一 石体 )日` 。 1引 }苏一龙 }}三 。 2贝少几 , 为近似最优解 ; 否 则令 , 犷 1 , = 瑟 , k = +k l 转入 st eP 4 . 孕 一’f 「全毗坏一 的鳌叮 , f全巩仇一 k01 > 。 (6) 山声 \ 卜 1 / 户 l 、 j = 1 1 i = 4 , 5 ; k = l 于 是 ( n ) 与 ( 6) 式共 同构成 了海 水腐蚀预测 的 前馈 网络 非线性先验模 型 G p M - p K (G o al orP - 歹田 11 w iht irP or kn o w le dg e) . 1.3 G P M - P K 的求解 由规划模 型可 以看 出 , 式 中非线性项 均含 有f o 项或 f ’ 0 项 , 由 is gm of d 函数性质可 知: 0 f< ` x( , 一 , x( ,〔, 一 , x() : 二音 , 可通过逐次线性化的方法求解上述非线性 目标规 划模 型 ( G PN -[ P K ) , 即 给定一 初 始 可行解 向量 2 实际应用 我们 选取 了青 岛 、 舟 山 、 厦 门 、 榆林 、 湛江 5 个海域的年平均环 境数据 , 主 要抽取对 材料腐 蚀有明 显作用 的 5 个 因素 数据 : PH 值 x( , ) 、 温度 俩) 、 盐度 俩) 、 溶解浓度 (x4 ) 和 生物 附着物 饥) ; 同 时选取 了 A 3 钢在这 5 个海域和 2 个海区 ( 全 浸 、 潮差 ) 的年平均腐蚀率y , 单位 宜川叮a , 具体见 表 1 . 将前 4 个海域 的数据作为学 习样本 , 湛江的 数据作为预测样本 , 分别用本文模型 ( 网 络结构 为 5一8一l , ` , = 10 一 4 , 凡 = 10 一 , ) 与 B P 网 络模型 ( 网 表 1 A 3 钢在海域中一年的腐蚀数据 aT b l e l C o or s i o n d a et o f A 3 s t阅 in oc e a n o n e y ea r 环 境 因 素 平均腐 蚀率 y(/ ~ · a 一 ’ ) 海域 p H 值xl( ) 温度=x( ) /℃ 盐度xs( ) /%0 溶 解氧浓 度.x( )/ 附着物xs( )从 全浸带 潮差带 m L · L 一’ 5080 ù“`甘, 00 七矛 6 凡ù、ó `, 、 4 凡 tz à, ,山2 1,、 06 ,尹 `乙, 气j 00 二气j, o … R On一X 青岛 舟山 厦门 渝林 湛江 1 3 . 6 1 7 . 4 0 2 5 . 5 0 . 1 9 0 . 19 0 . 2 0 0 . 1 0 0 . 1 9 0 . 4 1 0 . 59 0 . 6 5 0 . 7 0 0 . 2 3 表 2 湛江海域年腐蚀率 比较 络结构 5一 17 一1 , 网络误 差 。 二 4 x or 一 6见 文 献 2[ 』) 进行 了 测 算 对 比 , 结 果 见 表 2 . 本文所用模型及 算法 的确 能够反 映海 水环 境与材料腐蚀之 间的规律 , 提高 了海 水腐蚀预 测 的精度 . aT b l e Z C o m P a isr i o n o f wt o m et h od esr u l t yl( m m · a 一 , ) 全 浸 带 潮 差 带 数值 相对误差 /% 相对误差 /% 实测值 本模型 B P 模型 0 . 1 900 0 . 1 906 0 . 1 9 2 0 0 . 3 2 1 . 0 5 数值 0 . 2 3 0 0 . 2 2 1 3 . 9 1 0 . 19 8 1 3 . 9 0

·244 北京科技大学学报 2000年第3期 参考文献 3焦李成，神经网络系统理论，北京：电子科技出版社， 】蔡建平.应用人工神经网络预测碳钢、低合金钢的大 1992 气腐蚀.中国腐蚀与防护学报，1997,17(4)：278 4 James Plgnizi.Goal Programming and Extensions.Lexing- 2杨晓明，陈明文，王渝，等，海水腐蚀因素分析与预测. ton Books DC Heath and Company,1996 北京科技大学学报，1999,21(2)278 A Feed Forward Network Mode with Prior Knowledge and Its Application to Forecasting Ocean-water Corrosion YANG Xiaoming,XIE Tiejun,XIONG Liqing,DAI Mingan,ZHU Xiangrong 1)Inst of Higher Edu,UST Beijing.Beijing 100083,China 2)Applied Science School,UST Beijing,Beijing 100083,China 3)Qingdao Inst of Ocean Corrosion,Qingdao 266071,China ABSTRACT The relationship between material corrosion and ocean environmental factors is studied.A feed forward network incorporated with prior knowledge is used to model the mapping between the corrosion rate and the environmental factors.The calculation results show that the model can give a better prediction of the corrosion rate than those given by BP model. KEY WORDS forecast of ocean-water corrosion;prior knowledge;feed forward network model 西正西亚西变西变雪西西55雪西西5西西否西5亚5雪西西亚5步西西巧西西 (上接215页) 5魏寿昆，王国忱.空气顶吹过程中熔渣的气态脱疏.金 属学报.1965,8(4)：419 Kinetics of Gas Desulphurization in BOF Slag WU Shengwen,WANG Shuhuan,JIN Shantong Metallurgy School,UST Beijing,Beijing 100083,China ABSTRACT The kinetics of the gas desulphurization in BOF slags was studied.The influence of tempera- ture,EFeO content,basicity and the atmosphere on the gas desulphurization rate in the slag was discussed in detail.Furthermore,the mechanism of the reaction and the controlling step in the gas desulphurization are analyzed and discussed. KEY WORDS BOF slag;gas desulphurization;mechanism of desulphurization;controlling step

24 . 北 京 科 技 大 学 学 报 20 00 年 第 3 期 参 考 文 献 1 蔡建平 . 应用 人工 神经 网络 预测 碳钢 、 低合金 钢 的大 气腐蚀 . 中国腐蚀 与防护 学报 , 19 97 , 17 (4) : 2 78 2 杨晓 明 , 陈明文 , 王渝 , 等 . 海 水腐蚀 因素 分析与预测 . 北京科 技大学学报 , 19 9 9 , 2 1( 2 ) : 27 8 3 焦李成 . 神经 网 络系 统理论 . 北 京 : 电子科技 出版社 , 19 92 4 J am e s P l gn 试 . G 的1 Por gj 飞m m in g an d E xet n s i o n s . L e x i n g - ot n B o ks D C H e a ht an d C o m Pan y ` 19 96 A F e e d F o wr ar d N e wt o kr M o d e w iht P ir o r K n o w l e dg e an d It s A P P li e at i o n t o F o r e e a s t i n g O c e an 一 w at e r C o r o s i o n 别刃 G Xi a o m i n g l ) , 刀它 几可“ nz) , 再了口N G L iq i n犷 ) , 刃以I iM n卯 n 3 ) , Z 仔U J砚a n , 旧心 , l )snI t o f 凡沙巴 E奴 U S T B e ij in g B e ij in g 1 00() 8 3 , C h in a Z ) A PP li e d S e i e cn e S e h o l , U S T B e ij in g尹e ij ing l 0() 0 8 3 , C b il l a 3 )Qin g d a o nI s t o f o c e an C or o s i叽Qing d a o 2 6 6 0 7 1 , C hj n a A B S T R A C T hT e r e liat on hs iP b e tw e e n m a te r i a l e or s i o n an d o c e an e n v l r o nm e ant l af e otr s 1 5 s t u d l e d . A fe e d of , ar d en wt o kr in e o pr o art e d w iht 州 or k n o w l e d g e 1 5 us e d ot m o de l het m a PP ign b e七万 e e n ht e e or s i on art e an d ht e ven ir o n工 n e n at l af e t or s . Th e e a l e ul at i on r e s u it s s h ow ht at ht e m o de l e an ig v e a b e t e r Pr e id e it on o f ht e e o r o s ion n吐 e ht an ht o s e g iv en 勿 B P m o d e l . K E Y W O R D S ofr e c a st o f o e e an 一 w a te r e or o s ion ; irP or kn ow l e dg e ; fe e d of 附 a r d n e wt o kr m do e l (上接 2 1 5页 ) 5 魏寿昆 , 王国忱 . 空气顶吹过 程 中熔渣 的气态 脱硫 . 金 属 学报 . 19 6 5 , s ( 4 ) : 4 1 9 K i n e t i e s o f G a s D e s u lP h u ir z at i o n i n B O F S lag 砰U hS e n g w e n, 环月N G hS hu u an , 刀万 肋 口 n ot ng M e alt lur 助 , S e h o l , U S T B e ij in g, B e ij ign l (M) 0 8 3 , C 创邑a A B S T R A C T hT e k l n e t i e s o f ht e g a s d e s u 1Ph u ir azt i o n in B O F s l a g s w a s s ut d l e d . Th e I n fl u enc e o f t e m P ear - 仪甘 e , 艺F e o e o n t e叭 b a s i e iyt an d ht e a t m o s如 e er o n het g as d e s u 1Ph州劝t lon art e in ht e s lag w a s d i s e us s e d in d e at il . Fu rt h emr o er , ht e m e e h an i s m o f ht e er a e t i o n an d ht e e o ntr o l1 ign s etP in ht e g a s de s u lP h u ir 洲at lon aer an a l y ez d an d d i s e u s s e d . K E Y W O R D S B O F s l a g : g a s d e s u lP h u r l azt i o n : m e e h an i sm o f de s ul P h u ir az t ion : e o n tr o ll ign st e P