《表4 不同回归模型预测结果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于优化随机森林的H_2S腐蚀产物类型及腐蚀速率预测》
腐蚀速率预测模型的输入数据集与腐蚀产物分类模型输入数据集相同。随机森林回归模型(Random Forest Regression,RFR)的参数优化过程同分类模型,最优参数组合为[max_depth:6,n_estimators:50]。本文特增加两个对比模型:基于线性核函数的支持向量机回归模型(SVR-linear)和优化后的高斯径向基支持向量机回归模型(GA-SVR)。表4为三种回归模型对15个目标腐蚀速率的预测结果,其中SVR-linear模型及GA-SVR模型整体预测误差较大,均方误差分别达到了3.7%和2.3%,而GA-RFR模型整体预测误差最小,均方误差仅有0.86%。主要原因是支持向量机模型虽然可以建立小样本情况下的非线性映射,但是其本身属于浅层模型,对复杂结构的腐蚀数据集预测效果仍有待提高,而随机森林属于数据驱动的集成类模型,比一般浅层模型层数更多,更适用于腐蚀数据的预测。
图表编号 | XD00129421300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.20 |
作者 | 曲志豪、唐德志、胡丽华、陈宏健、李慧心、贾海韵、王竹、张雷 |
绘制单位 | 北京科技大学、中国石油天然气股份有限公司规划总院、中海油研究总院、中国石油天然气股份有限公司规划总院、中海油研究总院、北京科技大学、北京科技大学、北京科技大学 |
更多格式 | 高清、无水印(增值服务) |