《工程科学学报》录用稿，https:/doi.org/10.13374/j.issn2.095-9389.2022.01.10.007©北京科技大学2022 《工程科学学报》编辑部 基于综合智能模型的碳钢大气腐蚀重要变量提取 和依赖关系挖掘 张明2)，付冬梅2区，张达威34区，马菱薇34，邵立珍 1)北京科技大学自动化学院北京市工业波谱成像工程技术研究中心，北京1000832)北京科技大学顺 德逊究生院，佛山5283003)北京科 技大学新材料技术研究院，北京1000834)国家材料腐蚀与防护科学数据中心，北京100083 5)北京料技大学自动化学院，北京100083 ☒通信作者，E-mail:fdnm_ustb@ustb,edu.cn;dzhang@ustb.edu.cn 摘要针对碳钢在大气腐蚀过程中影响变量多且作用机制复杂的问愿个提出种基于综合智能模型的重要变量挖掘 框架，利用该框架可以挖掘影响碳钢早期大气腐蚀的重要环境变量及其对腐蚀电偶电流产生的影响。本文通过大气 腐蚀监测仪(ACM)收集了我国5个试验站点的大气腐蚀数据 首先， 构建了随机森林(F)、梯度提升回归树 (GBRT)、BP神经网络(BPNN)三种机器学习模型：其次， 利用移模型集成重要变量选择算法(MEVS)量化 环境变量的重要性并提取影响碳钢早期大气腐蚀的重要环境变量：最后，绘制了环境变量与腐蚀电偶电流的局部依 赖曲线(PDP)。仿真结果显示，MEIVS算法挖掘出的重要环境变量更符合大气腐蚀的先验规律；PDP与MEVS 算法的结论具有很好的一致性，重要环境变量对应的PD犯的变化幅度大，且PDP的变化趋势能够反映环境变量对 腐蚀电偶电流的影响。 关键词大气腐蚀：碳钢：模型集成：重要变量提取：局部依赖曲线 分类号TG172.3 Extraction of important variables and mining of dependencies of atmospheric corrosion of carbon steel based on a comprehensive intelligent model ZHANG Ming25),FU Dong-meil2),ZHANG Da-weA,MA Ling-wepA),SHAO Li-zhen5) 1)Beijing Engineering Research Center of Industrial Spectrum Imaging,School of Automation and Electrical Engineering.University of Science and Technology Beijing,Beijing 100083,China 2)Shunde Graduate School of University of Science and Technology Beijing,Foshan 528300,China 3) Institution for Advanced Materials and Technology,University of Science and Technology Beijing,Beijing 100083,China 收稿日期：2022-01-05 演自：科技部科技基础资源调查专项资助项目(2019FY101404):北京科技大学顺德研究生院科技创新专项 BK20AE004) 地址：北京市海淀区学院路30号 邮政编码：100083 电话：010-62333436 E-mail:xuebaozr@ustb.edu.cn http://cje.ustb.edu.cn《工程科学学报》编辑部 基于综合智能模型的碳钢大气腐蚀重要变量提取 和依赖关系挖掘1 张 明 2,5)，付冬梅 1,2)，张达威 3,4)，马菱薇 3,4)，邵立珍 2,5) 1) 北京科技大学自动化学院北京市工业波谱成像工程技术研究中心，北京 100083 2) 北京科技大学顺德研究生院，佛山 528300 3) 北京科 技大学新材料技术研究院，北京 100083 4) 国家材料腐蚀与防护科学数据中心，北京 100083 5) 北京科技大学自动化学院，北京 100083  通信作者，E-mail: fdm_ustb@ustb.edu.cn; dzhang@ustb.edu.cn 摘 要 针对碳钢在大气腐蚀过程中影响变量多且作用机制复杂的问题，提出一种基于综合智能模型的重要变量挖掘 框架，利用该框架可以挖掘影响碳钢早期大气腐蚀的重要环境变量及其对腐蚀电偶电流产生的影响。本文通过大气 腐蚀监测仪（ACM）收集了我国 5 个试验站点的大气腐蚀数据，首先，构建了随机森林（RF）、梯度提升回归树 （GBRT）、BP 神经网络（BPNN）三种机器学习模型；其次，利用多模型集成重要变量选择算法（MEIVS）量化 环境变量的重要性并提取影响碳钢早期大气腐蚀的重要环境变量；最后，绘制了环境变量与腐蚀电偶电流的局部依 赖曲线（PDP）。仿真结果显示，MEIVS 算法挖掘出的重要环境变量更符合大气腐蚀的先验规律； PDP 与 MEIVS 算法的结论具有很好的一致性，重要环境变量对应的 PDP 的变化幅度大，且 PDP 的变化趋势能够反映环境变量对 腐蚀电偶电流的影响。 关键词 大气腐蚀；碳钢；模型集成；重要变量提取；局部依赖曲线 分类号 TG172.3 Extraction of important variables and mining of dependencies of atmospheric corrosion of carbon steel based on a comprehensive intelligent model ZHANG Ming2,5) , FU Dong-mei1,2) , ZHANG Da-wei3,4) , MA Ling-wei3,4) , SHAO Li-zhen2,5) 1) Beijing Engineering Research Center of Industrial Spectrum Imaging, School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing 100083, China 2) Shunde Graduate School of University of Science and Technology Beijing, Foshan 528300, China 3) Institution for Advanced Materials and Technology, University of Science and Technology Beijing, Beijing 100083, China 1收稿日期:2022-01-05 基金项目:科技部科技基础资源调查专项资助项目(2019FY101404)；北京科技大学顺德研究生院科技创新专项 (BK20AE004) 地址：北京市海淀区学院路 30 号 邮政编码：100083 电话：01062333436 E-mail: xuebaozr@ustb.edu.cn http://cje.ustb.edu.cn 《工程科学学报》录用稿，https://doi.org/10.13374/j.issn2095-9389.2022.01.10.007 ©北京科技大学 2022 录用稿件，非最终出版稿