《表2 不同方法计算结果平均绝对误差及均方根误差》

  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PCA-PSO-BP神经网络的管道剩余强度评价》

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

根据PCA算法的处理结果，将管道钢级、直径、壁厚，以及缺陷类型、长度、深度作为管道剩余强度的影响因素，在MATLAB中建立PSO-BP神经网络模型，使用128组数据作为模型的训练样本，剩余20组数据作为模型的预测样本，对单缺陷管道的剩余强度进行预测，将预测结果与实际剩余强度、ASME B31G—2009计算结果、DNV RP-F101计算结果、API 579计算结果、SYT6151—2009计算结果进行对比，ASME B31G—2009、DNV RP-F101、API 579、SYT6151—2009四种方法的计算如公式（8)～(16）所示。计算各种方法的平均绝对误差和均方根误差，每种方法的计算结果、计算误差如图3、图4及表2所示。从图表中可以看出，PCA-PSO-BP神经网络模型预测结果的最大误差不超过10%，平均绝对误差仅为2.923%，均方根误差仅为0.535 875 231，最大误差、平均绝对误差以及均方根误差均小于其他管道剩余强度计算方法，证明该种方法可用于管道剩余强度预测。