摘要
本发明公开了高斯残差回归的管道内腐蚀预测方法,包括如下步骤:步骤一:构造腐蚀时间的状态传递方程;步骤二:利用GPR模型预测腐蚀深度,得到第一腐蚀深度预测值;步骤三:利用幂律模型预测新的腐蚀时间,预测得到新的对数腐蚀时间预测值;步骤四:计算残差;步骤五:利用残差计算得到权值序列;步骤六:最小二乘法优化,通过最小化实际观测值与模型预测值之间的残差平方和来优化并更新模型参数,利用参数更新后的GPR模型得到第二腐蚀深度预测值;步骤七:校正预测结果,得到校正后的腐蚀深度预测结果。本发明有效融合了基于腐蚀机理的物理过程与基于数据驱动的高斯过程回归,并考虑残差的影响,显著提高了管道腐蚀深度预测的精度。
技术关键词
GPR模型
更新模型参数
模型预测值
校正
方程
序列
噪声
物理
内核
精度
管道
规模
变量
数据
线性
系统为您推荐了相关专利信息
负荷事件检测方法
时间序列图像
YOLO模型
功率
模板匹配算法
K近邻算法
打分方法
差异表达分析
物理相互作用
样本
航天器
李雅普诺夫函数
跟踪控制方法
状态观测器
坐标系
天然气管道阀门
深度学习模型
识别方法
多模态特征融合
加权特征
调度优化方法
光伏发电机组
分轴式燃气轮机
多项式
燃气轮机发电机组