《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。