102 工程科学学报，第44卷，第1期 -580 -560 -Actual value (a) Actual value (b) -600 oPredicted value with error bars of meAN-IRVR -580 Predicted value with error bars of CIV-IRVR -Predicted value of MEAN-ANN 600 -Predicted value of CIV-ANN -620 -Predicted value of MEAN-SVR -Predicted value of CIV-SVR 640 -620 -640 660 660 680 680 100 720 740 -740 76 -760 10 15 20 25 30 35 00 110120130140150160170180 190 200 The sample number of testing dataset The sample number of testing dataset 18 ■MEAN-IRVR (c) ■CIV-HRVR (d) ◆MEAN-ANN 16 CIV-ANN 20 MEAN-SVR 14 CIV-SVR A 12 10 ■ 0 5 1015202530 35 40 00110120130140150160170180190200 The sample number of testing dataset The sample number of testing dataset 因4不同模型在测试集上的预测结果及绝对误差.(a)基于MEAN的三种模型：(b)基于CIV的三种模型：(c)基于MEAN的三种模型的绝对误 差值：(d)基于CIV的三种模型的绝对误差值 Fig.4 Prediction results and absolute errors of different models:(a)three models based on the MEAN method;(b)three models based on the CIV method;(c)absolute errors of the three models based on the MEAN method;(d)absolute errors of the three models based on the CIV method 表3不同模型的样本数量和预测误差表 Table 3 Sample size and prediction errors of different models Models N3 MAE/mV RMSE/mV CD MEAN-ANN 196 39 6.0757 7.3530 0.9247 MEAN-SVR 196 39 6.4792 7.6111 0.9113 MEAN-IRVR 196 39 4.9367 6.3617 0.9373 CIV-ANN 1834 367 1.3627 1.8324 0.9950 CIV-SVR 1834 367 5.3905 6.4542 0.9553 CIV-IRVR 1834 367 1.1914 1.5729 0.9963 标上均取得了最优效果，凸显了优化RVR方法建 法，通过构建CV表征海水环境因子对腐蚀电位 立的模型在预测精度上的优势.通过以上分析，基 的综合影响，建立CIV与腐蚀电位的关系模型将 于CIV方法结合IRVR方法建立CIV-IRVR模型 低合金钢海水腐蚀监测中的双率数据转化为单率 不仅能够减少数据信息损失还具有很高的建模精 数据用于建模，减少了原始数据的信息损失 度，对于海水腐蚀双率数据的处理和建模是十分 (2)通过BAS优化组合核函数参数的IRVR方 有效的 法对CV方法处理得到的腐蚀数据集进行建模， 得到了低合金钢海水腐蚀电位预测模型CIV- 4结论 IRVR.并与包括均值法建立的MEAN-ANN、MEAN- (1)提出了一种基于CV的双率数据处理方 SVR和MEAN-IRVR、CIV方法结合ANN和SVR标上均取得了最优效果，凸显了优化 IRVR 方法建 立的模型在预测精度上的优势. 通过以上分析，基 于 CIV 方法结合 IRVR 方法建立 CIV−IRVR 模型 不仅能够减少数据信息损失还具有很高的建模精 度，对于海水腐蚀双率数据的处理和建模是十分 有效的. 4    结论 （1）提出了一种基于 CIV 的双率数据处理方 法，通过构建 CIV 表征海水环境因子对腐蚀电位 的综合影响，建立 CIV 与腐蚀电位的关系模型将 低合金钢海水腐蚀监测中的双率数据转化为单率 数据用于建模，减少了原始数据的信息损失. （2）通过 BAS 优化组合核函数参数的 IRVR 方 法对 CIV 方法处理得到的腐蚀数据集进行建模， 得到了低合金钢海水腐蚀电位预测模 型 CIV− IRVR，并与包括均值法建立的MEAN−ANN、MEAN− SVR 和 MEAN−IRVR、CIV 方法结合 ANN 和 SVR 表 3 不同模型的样本数量和预测误差表 Table 3 Sample size and prediction errors of different models Models N N3 MAE/mV RMSE/mV CD MEAN−ANN 196 39 6.0757 7.3530 0.9247 MEAN−SVR 196 39 6.4792 7.6111 0.9113 MEAN−IRVR 196 39 4.9367 6.3617 0.9373 CIV−ANN 1834 367 1.3627 1.8324 0.9950 CIV−SVR 1834 367 5.3905 6.4542 0.9553 CIV−IRVR 1834 367 1.1914 1.5729 0.9963 Corrosion potential, E/mV 0 5 10 15 20 25 30 35 40 The sample number of testing dataset 100 110 120 130 140 150 160 170 180 190 200 −760 −740 −720 −700 −680 −660 −640 −620 −600 −580 −560 The sample number of testing dataset Actual value Predicted value with error bars of CIV−IRVR Predicted value of CIV−ANN Predicted value of CIV−SVR (b) 0 5 10 15 20 25 MEAN−IRVR (c) MEAN−ANN MEAN−SVR Absolute error, ∆E/mV Absolute error, ∆E/mV 100 110 120 130 140 150 160 170 180 190 200 0 2 4 6 8 10 12 14 16 18 (d) The sample number of testing dataset CIV−IRVR CIV−ANN CIV−SVR 0 5 10 15 20 25 30 35 40 −760 −740 −720 −700 −680 −660 −640 −620 −600 −580 (a) Corrosion potential, E/mV The sample number of testing dataset Actual value Predicted value with error bars of MEAN−IRVR Predicted value of MEAN−ANN Predicted value of MEAN−SVR 图 4    不同模型在测试集上的预测结果及绝对误差. （a）基于 MEAN 的三种模型；（b）基于 CIV 的三种模型；（c）基于 MEAN 的三种模型的绝对误 差值；（d）基于 CIV 的三种模型的绝对误差值 Fig.4     Prediction  results  and  absolute  errors  of  different  models:  (a)  three  models  based  on  the  MEAN  method;  (b)  three  models  based  on  the  CIV method; (c) absolute errors of the three models based on the MEAN method; (d) absolute errors of the three models based on the CIV method · 102 · 工程科学学报，第 44 卷，第 1 期