VoL21 No.2 杨晓明等：海水对金属腐蚀因素的分析及预测 187· 网络响应函数采用sigmoed函数，即： 式中：N为训练样本的数量：u,为网络的理想输出 fx)=11(1+e-: 值；元，为网络的实际输出值.BP算法参见文献[2]. 网络训练的误差目标函数E,即： 2.2实际预测 E=112N∑(u-, 共测得A钢在青岛、舟山、厦门、榆林、湛江5 个海域的腐蚀数据（见表2）.将前4个海域的数 据作为学习样本，将湛江的数据作为待测样本. 表2A钢在各海域的1年腐蚀数据 环境因素（子因素） 全浸带 潮差带 海域 pH 温度/℃盐度%。 溶解氧/mL·L-↓生物附者物/% 平均腐蚀率/mm~a 平均腐蚀率/mm·al (X) K2) X3) (X) (X) (Y) () 青岛8.6013.6 32.0 5,60 50 0.19 0.22 舟山8.1417.4 24.5 5.62 80 0.19 0.29 厦门8.17 20.9 27.0 5.30 100 0.20 0.22 榆林8.30 26.7 34.0 4.50 100 0.10 0.16 湛江8.00 23.0 25.5 5.10 100 0.19 0.23 系统目标误差取ε=10~5，对于全浸带和潮 从以上结果看，人工神经网络在海水腐蚀预 差带条件下，经学习训练，选取5-17-1型网络，经 测中的应用还是可行的，具有较高的预测精度， 不超过5×10次迭代，可使系统总误差小于10-5， 有推广价值， 学习的结果见表3， 表4湛江海域预测结果 表3学习结果 测定项目 全浸带 潮差带 全浸带 潮差带 海域 真值/mm·a 0.190 0.230 真值学习值相对误差%真值学习值相对误差% 预测值/mma 0.192 0.199 青岛0.190.19080.42110.220.21990.0454 相对误差% 1.526 13.478 舟山0.190.19080.47370.290.28860.4828 参考文献 厦门0.200.20040.20000.220.2214 0.6364 榆林0.100.10050.50000.160.15970.18751邓聚龙.灰色系统（社会、经济）.北京：国防工业出版 社，1985 以经过学习的模型作为预测模型，将湛江海 3焦李成.神经网络计算，西安：西安电子科技大学出版 域的海水环境输人，预测结果见表4. 社，1993 Analysis and Forcasting for Main Factors of Corrosion to Metals in Ocean Enviroment Yang Xiaoming,Chen Mingwen2,Zhang Yu,Dai Mingan,Zhu Xiangrong 1)Inst of High Education.UST Beijing,Beijingl00083,China 2)Applied Science Shool.UST Beijing 3)Beijing Professional School of Electronics 4)Qingdao Inst of Ocean Corrosion,Qingdao 266071 ABSTRACT The relationships between ocean corrosion of metal and the ocean environment were studied by grey relational analysis methods.Under the submergence,the main factors of corrosion for A,steel in ocean environment were found in accordance with grey relation grade.Neural network was applied to set a madel of ocean corrosion to A3 steel.Then the model is used to predict the corrosion rate of A,steel in the new ocean environment and a satisfied result is obtained. KEY WORDS grey relational analysis;corrosion;Bp network;ocean corrosion forcastingV 0 L2 1 N 0 . 2 杨晓明等 : 海水对金属腐蚀 因素的分析及预测 1 8 7 网络响应函数采 用si gm oe d 函数 , 即 : f (x) = l / ( 1 + e 一 勺; 网络 训 练的 误差 目标 函数 凡 , 即 : 凡 一 / ZN 艺u( * 一 。扩 , 表2 式 中 : N 为训 练样 本 的数 量 : 气为网 络 的理想 输 出 值 ; 气为 网络 的实 际输 出值 · B P 算 法 参见 文献 〔2] . .2 2 实 际预测 共 测得 A 3钢 在青 岛 、 舟 山 、 厦 门 、 榆林 、 湛江 5 个海 域 的 腐蚀 数 据 (见 表 2) . 将 前 4 个 海 域 的数 据作为 学 习样 本 , 将湛 江 的数据作为待测样本 . 九钢在各海域的 1 年腐蚀数据 环境因 素 (子因 素) 全 浸带 潮差带 海域 温度/℃ 比) 盐度乃肠 溶解氧加工 . L 一 , 生物附着 物 /% 平均腐 蚀率 / ~ · a 一 , 平均腐蚀 率 / ~ · a 一 ’ (lY ) (乙 ) Z C, 22 2 … 曰“n 囚一 0 508 o0 n, 2 `.1 , ó … on à 0 “n 0 0 ` 1. 二. 再一 丝5.,3062 .20457 青岛 舟 山 厦 门 榆林 湛江 8 . 1 4 8 . 17 8 . 3 0 8 . 0 0 1 3 . 6 1 7 . 4 2 0 . 9 2 6 . 7 0 . 1 9 0 . 1 9 2 3 . 0 2 5 . 5 4 . 5 0 5 . 1 0 0 . 1 6 0 2 3 系 统 目标误 差 取￡ = or “ 5 , 对于全 浸 带和潮 差 带条件 下 , 经学 习 训 练 , 选取 5 一 1 7 一 1 型 网络 , 经 不 超过 5 x l 0 3次迭代 , 可使系统总 误差 小于 1 0 一 5 , 学 习 的结果见 表 3 . 从 以 上结 果看 , 人 工 神 经 网络 在 海水腐蚀 预 测 中 的 应用 还是 可行 的 , 具 有 较 高 的预 测 精 度 , 有 推广 价值 . 表 4 湛江海域预 测结果 表3 学 习结果 海域 青岛 舟 山 厦门 偷林 全 浸 带 潮 差 带 真值 学习值 相对误差% 真值 学 习值 相对误差% 0 . 1 9 0 . 19 0 8 0 . 4 2 1 1 0 2 2 0 . 2 1 9 9 0 . 0 4 5 4 0 . 1 9 0 . 190 8 0 . 4 7 3 7 0 . 2 9 0 . 2 8 8 6 0 . 4 8 2 8 0 . 2 0 0 . 2 0 0 4 0 . 2 0 0 0 0 . 2 2 0 . 2 2 1 4 0 . 6 3 6 4 0 . 1 0 0 . 1 00 5 0 . 5 00 0 0 . 1 6 0 . 15 9 7 0 . 1 8 7 5 测定项 目 真值 / n l n . a 一 ` 预测值厄u n . a 一 ’ 相对误差机 全浸带 0 . 1 9 0 0 . 1 9 2 1 . 5 2 6 潮差带 0 . 2 3 0 0 . 1 9 9 1 3 . 4 7 8 参 考 文 献 以 经 过学 习 的模 型 作 为预 测 模 型 , 将湛 江 海 域 的海水 环 境输人 . 预测 结果 见表 4 . l 邓 聚龙 . 灰 色系 统 (社 会 、 经济 ) . 北 京 : 国防工 业 出版 社 , 1 9 8 5 3 焦 李成 . 神经网络计 算 . 西安 : 西 安 电子科 技大学 出版 社 , 1 99 3 A n a l y s i s a n d F o r e a s t i n g t o M e t a l s i n fo r M a i n F a e t o r s o f C o r o s i o n O e e a n E n v i r o m e n t aY n g iX a o m in g l ) , hC e n 械 n测 e n Z ) , 肋 a n g uY 3 ) , D a i A右n卯 n 4 ) , 肋 u iX a n脚 n g 4 ) l ) ih st o f H ig h dE u e at i o n , U S T B e ij in g , B e ij in g l 0 0 8 3 , C h in a Z ) A P P il e d S c i e n c e S h o o l , U S T B e ij in g 3 ) B e ij in g P r o fe s s i o n al S e h o o l o f E lec 加in e s 4 )Q i n g d a o hi st o f o e e an C o ro s i o n , Q in g d a o 2 6 6 0 7 1 A B S T R A C T T h e r e lat i o n s h iP s b e tw e e n o e e an e o rm s i o n o f m e at l an d t h e o e e a n e n v ir o nm e n t w e r e s tu d i e d b y g re y r e l a t i o n a l a n a l y s i s m e ht o d s . U n d e r t h e s u b m e gr e n c e , t h e m a i n af e t o r s o f e o r o s i o n fo r A 3 s et e l in o e e an e n v ior nm e n t w e r e fo un d in a c e o dr an e e w iht g r e y r e l at i o n g a d e . N e aur l n e wt o kr w a s ap P li e d t o s e t a m a d e l o f o e e a n e o mr s i o n t o A , s t e e l . T h e n ht e m o d e l 1 5 u s e d t o p r e d i c t ht e c o mr s i o n art e o f A 3 s t e e l in ht e n e w o e e a n e n v i r o n m e n t a n d a s a t i s if e d r e s u lt 1 5 o b at in e d . K E Y W O R D S g er y r e l at i o n a l an a l y s i s ; e o r o s i o n ; B P n e wt o kr : o e e an e o r o s i o n fo r e a s t i n g