[发明专利]一种基于KNN智能算法的金属腐蚀分布图绘制方法

说明书

本发明提供一种基于KNN智能算法的金属腐蚀分布图绘制方法，包括如下步骤：获取金属腐蚀速率数据，采用KNN智能算法建立金属腐蚀模型；基于拟合优度评估金属腐蚀模型的预测效果，优化调整模型参数，绘制金属腐蚀预测分布图；根据腐蚀介质数据绘制腐蚀介质分布图；将金属腐蚀预测分布图与腐蚀介质分布图叠加合成得到金属腐蚀分布图，能够精细化绘制多种金属的腐蚀分布图，较好地拟合金属实际腐蚀情况，为不同地区金属防腐提供有效的指导。

技术领域

本发明涉及地图绘制技术领域，具体涉及一种基于KNN智能算法的金属腐蚀分布图绘制方法。

背景技术

据统计，全世界每年因腐蚀而报废的金属约1亿吨，占金属年产量10％以上。随着工业化的不断推进，硫化物、氮氧化物等工业气体排入大气环境，更加剧了金属的腐蚀速率。在我国南方沿海地区，常年高温高辐照、降水量大，空气潮湿，空气中的侵蚀性海盐粒子含量高，长期服役在该环境中，各类金属设备容易发生严重的腐蚀失效，造成非常严重的损失。因此有必要研究金属腐蚀分布式的绘制方法，可针对不同腐蚀等级的地区，采用不同防腐蚀技术要求的金属和防护措施，进而提高金属设备抗腐蚀能力，减小金属腐蚀带来的损失。

金属腐蚀的机理复杂，影响因素多。金属腐蚀大部分属于微电化学腐蚀，需要有溶解液、导电介质；部分地区存在酸雨，腐蚀溶液中如存在酸性物质时会加大腐蚀速度；大气中污染物溶解与金属表面的溶液中，充当电解质，也会加速金属腐蚀。同时金属的腐蚀速率数据也较难获取，采集时间跨度长，在腐蚀分布图绘制过程中容易造成模型过拟合，导致计算效果准确性低。因此，本发明采用人工智能算法建立金属腐蚀模型。

本发明提出一种基于KNN智能算法的金属腐蚀分布图绘制方法，能够精细化绘制多种典型金属的腐蚀分布图，较好地拟合金属实际腐蚀情况，为金属防腐提供有效的指导。

发明内容

本发明的目的在于提供一种基于KNN智能算法的金属腐蚀分布图绘制方法，可针对不同腐蚀等级的地区，采用不同防腐蚀技术要求的金属和防护措施，进而提高金属设备抗腐蚀能力，减小金属腐蚀带来的损失。

本发明提出一种基于KNN智能算法的金属腐蚀分布图绘制方法，包括以下步骤：

步骤S1：获取多个地点的金属腐蚀速率数据，并将多个地点的金属腐蚀速率数据划分为训练样本集和测试样本集；

步骤S2：基于KNN算法对训练样本集和测试样本进行处理，建立金属腐蚀模型；

步骤S3：基于拟合优度测试和评估所述金属腐蚀模型的预测效果，根据预测效果对模型参数进行优化调整，直至拟合优度数值＞0.8，计算金属腐蚀预测结果，绘制金属腐蚀预测分布图；

步骤S4：提取多个地点的腐蚀介质数据，根据腐蚀介质数据绘制腐蚀介质分布图；

步骤S5：将所述金属腐蚀预测分布图与所述腐蚀介质分布图叠加合成得到金属腐蚀分布图。

优选的，步骤S2中，基于KNN算法对训练样本集和测试样本进行处理，建立金属腐蚀模型，包括：

步骤S2.1：计算测试样本集中的每个测试样本与训练样本集中的所有训练样本的距离，所述距离的计算公式为：

其中，为第i个测试样本，为第i个测试样本的第l个金属腐蚀速率数据，为第j个训练样本，为第j个训练样本的第l个金属腐蚀速率数据，L为训练样本集的样本数量；

步骤S2.2：按每个测试样本与训练样本集中的所有训练样本的距离由小至大的优先级，从训练样本集中选取前K个训练样本；

步骤S2.3：判断K个训练样本的金属腐蚀等级，选取K个训练样本中数量最多的金属腐蚀等级类别记为C_max，并将其作为第i个测试样本的金属腐蚀预测结果。