ИСТИНА |
Войти в систему Регистрация |
|
ИПМех РАН |
||
Коррозия металлов в атмосферных условиях зависит от многочисленных климатических и аэрохимических факторов природной среды. На основании проведенных натурных испытаний по всему миру была получена база данных со среднегодовыми параметрами атмосферы и откликом в виде потерь металла за первый год испытаний. На основании этой базы данных были разработаны функции «доза-ответ» (ФДО), которые стали стандартом в области прогнозирования атмосферной коррозии [1]. Однако продолжаются попытки решения задачи прогноза с помощью различных алгоритмов машинного обучения. В данной работе использовался алгоритм «случайного леса». Алгоритм «случайного леса» был разработан в 2001 году Брейманом [2]. Случайные леса - это ансамблевый метод машинного обучения для проведения классификации (и регрессии), суть которого заключается в построении на стадии обучения множества решающих деревьев, каждое из которых способно дать ответ на стадии оценки нового набора данных. Финальное решение принимается голосованием. В работе использована база данных RU + UN/ECE + Micat, в которой содержатся данные о среднегодовой температуре, влажности, содержании SO2 и количестве выпавших осадков, а также потери металла вследствие коррозии в течение одного года в разных точках земного шара. Предварительная оценка данных показала, что наибольшее влияние на целевой показатель оказывает концентрация SO2 в атмосфере. Данные для обучения и тестирования делились на две части в пропорции 3:1 случайным образом методом бутстрепа. Критерием разбиения служило значение среднеквадратичной ошибки. Случайный лес содержал в себе 100 деревьев. Разделение вели по двум случайным признакам. Корреляцию между реальными и предсказанными данными оценивали с помощью параметра R2, который для тестового набора составил 0,75. Наибольшую важность при прогнозе алгоритм присвоил концентрации SO2 в атмосфере и температуре. Остальные два признака имеют меньшее влияние на результат предсказания. Результат предсказания случайного леса сравнивали с результатами модели ФДО на одной и той же выборке данных с помощью средней абсолютной ошибки (МАЕ). Данный параметр показывает, на сколько г/м2 модель ошибается в своем предсказании. Получили, что модель случайного леса предсказывает потери металла в первый год испытаний с меньшей ошибкой.
№ | Имя | Описание | Имя файла | Размер | Добавлен |
---|---|---|---|---|---|
1. | Программа конференции | Programma_konferentsii_pamyati_Yu.M._Polukarova_2020.pdf | 175,1 КБ | 18 января 2021 [iviapnha] | |
2. | Краткий текст | Tezisyi.pdf | 545,7 КБ | 18 января 2021 [iviapnha] |