[发明专利]基于AIGA-WLSSVM埋地管道腐蚀速率预测方法

权利要求书

1.一种基于AIGA-WLSSVM埋地管道腐蚀速率预测方法，其特征在于，包括如下步骤：

步骤S1、选择土壤中对埋地管道腐蚀相关的影响因素作为输入变量；

步骤S2、以埋地输气管线为研究对象，通过对管道沿线土壤理化性质的测试及对管线的检测，获得样本数据；

步骤S3、随机选择若干组样本数据作为训练样本，采用AIGA-WLSSVM方法建立埋地管道腐蚀速率预测模型，将余下的样本数据作为测试样本，以测试所建立模型的预测效果；

步骤S4、根据评价指标对模型预测效果进行评价。

2.根据权利要求1所述的基于AIGA-WLSSVM埋地管道腐蚀速率预测方法，其特征在于，所述步骤S1中，对埋地管道腐蚀相关的影响因素包括含水率、HCO₃^－含量、Cl^－含量、SO₄^2－含量、氧化还原电位、pH值、土壤电阻率。

3.根据权利要求1所述的基于AIGA-WLSSVM埋地管道腐蚀速率预测方法，其特征在于，所述步骤S3中，采用AIGA-WLSSVM方法建立埋地管道腐蚀速率预测模型的具体实现步骤如下：

(1)基于加权最小二乘支持向量机的算法思想，对于给定样本(x_i,y_i)，x_i∈Rⁿ表示输入，y_i∈R表示单个输出，特征空间F的优化问题及约束条件为：

式(1-1)中，表示映射，γ是惩罚因子，用以平衡模型的精度与模型的复杂度，将输入映射到高维特征空间F；b为偏置，v_t为权因子，e_t为误差；权因子v_t的计算如式(1-2)所示：

式(1-2)中，为LSSVM的e_t的标准偏差的鲁棒估计；s₁、s₂均为常数；

(2)由于式(1-1)中对w的计算难以实现，因此将对约束优化问题的求解转化为无约束的优化问题进行求解，建立拉格朗日函数：

式(1-3)中，β_t为拉格朗日算子；惯性权重ω^k的调整过程如式(1-4)所示；

(3)根据KKT最优化条件有：

消去式(1-5)中w、e得到β和b的方程：

式(1-6)中：y＝[y₁,y₂,...,y_n]^T；I_n＝[1,1，...，1]^T；β＝[β₁，β₁，...,β_n]；

V_γ为对角阵，

(4)在特征空间中，根据Mercer’s条件，可选择一个核函数使得

(5)对公式(1-6)进行求解得到参数β和b，则所求的WLSSVM回归模型，即预测输出为

4.根据权利要求3所述的基于AIGA-WLSSVM埋地管道腐蚀速率预测方法，其特征在于，所述s₁、s₂取值分别为2.5、3。

5.根据权利要求3所述的基于AIGA-WLSSVM埋地管道腐蚀速率预测方法，其特征在于，还包括将所求的WLSSVM回归模型应用AIGA优化模型参数进行优化的过程，具体如下：

遗传算法GA的交叉概率P_c和变异概率P_m这两个参数的选择对算法的性能有重要影响，而标准GA所采用的P_c和P_m是固定的值，容易过早收敛而陷入局部最优；因此采用动态P_c和P_m有利于改善标准GA存在的早熟问题，在自适应遗传算法AGA中，参数P_c和P_m分别按式(1-9)和(1-10)进行计算：

而后将免疫算子引入GA中，改善算法的收敛性能差，提高其搜索效率，即形成自适应免疫遗传算法，步骤如下：

步骤1)随机产生初始群体A_k；

步骤2)根据先验知识抽取疫苗；

步骤3)若当前种群A_k中包含最佳个体则算法结束，否则进入下一步；

步骤4)对当前群体A_k进行选择操作，得到种群B_k；

步骤5)对种群进B_k行交叉操作，得到种群C_k；

步骤6)对种群C_k进行变异操作，得到种群D_k；

步骤7)对种群D_k接种疫苗，得到种群E_k。