(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111517907.1 (22)申请日 2021.12.10 (71)申请人 上海电力大 学 地址 200090 上海市杨 浦区沪城环路1851 号 (72)发明人 刘建峰　尹阳阳　缪克基　孙歌　 纪冬梅　潘卫国　 (74)专利代理 机构 上海德昭知识产权代理有限 公司 31204 代理人 郁旦蓉 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/02(2020.01) G06F 119/04(2020.01) (54)发明名称 一种基于MEA-BP模型的金属管道腐蚀速率 预测方法 (57)摘要 本发明提供一种基于MEA ‑BP模型的金属管 道腐蚀速率预测方法， 其特征在于， 包括以下步 骤： 步骤S1， 获取金属管道内腐蚀速率数据以及 影响腐蚀速率的数据作为样本数据； 步骤S2， 对 样本数据进行归一化处理得到归一化处理的样 本数据； 步骤S3， 构建BP神经网络模型， 将 归一化 处理的样本数据输入至BP神经网络模型； 步骤 S4， 采用MEA算法对BP神经网络模型进行优化训 练直至生成最优的BP神经网络模型， 并将其作为 腐蚀速率预测模型； 步骤S5， 将待测数据输入至 腐蚀速率预测模型获取对应的腐蚀速率预测结 果， 由于采用思维进化算法对BP神经网络模型进 行训练优化， 因此使 得腐蚀速率预测模型在全局 范围内寻找最优解的能力增强、 收敛速度加快， 大大提高了模型的预测精准度。 权利要求书2页 说明书5页 附图6页 CN 114266195 A 2022.04.01 CN 114266195 A 1.一种基于 MEA‑BP模型的金属管道腐蚀速率预测方法， 其特 征在于， 包括以下步骤： 步骤S1， 获取 金属管道内腐蚀速率数据以及影响腐蚀速率的数据作为样本数据； 步骤S2， 对所述样本数据进行归一 化处理得到归一 化处理的样本数据； 步骤S3， 构建BP神经网络模型， 将所述归一化处理的样本数据输入至所述BP神经网络 模型； 步骤S4， 采用MEA算法对所述BP神经网络模型进行优化训练直至生成最优 的BP神经网 络模型， 并将其作为腐蚀速率预测模型； 步骤S5， 将待测数据输入至所述腐蚀速率预测模型获取对应的腐蚀速率预测结果。 2.根据权利要求1所述的一种基于MEA ‑BP模型的金属管道腐蚀速率预测方法， 其特征 在于： 其中， 所述样本数据包括训练样本数据以及测试样本数据， 所述训练样本数据与所述测试样本数据的比例为 4:1。 3.根据权利要求1所述的一种基于MEA ‑BP模型的金属管道腐蚀速率预测方法， 其特征 在于： 其中， 所述归一 化处理为： 式中， x'代表对初始数据进行归一化之后的结果， x表示初始值， xmax、 xmin表示初始数据 中的最大值与最小值。 4.根据权利要求1所述的一种基于MEA ‑BP模型的金属管道腐蚀速率预测方法， 其特征 在于： 其中， 所述 步骤S4包括以下子步骤： 步骤S4‑1， 设定所述M EA算法中的部分参数； 步骤S4‑2， 在测试范围内， 对所述归一化处理的样本数据进行随机选择构成初始种群 并将所述初始种群作为当前种群； 步骤S4‑3， 计算所述训练样本数据的均方误差的倒数并将其作为得分标准， 对每个个 体进行评分； 步骤S4‑4， 以评分最高的个 体为中心生成新的个 体作为优胜子种群和临时子种群； 步骤S4‑5， 对所述优胜子种群以及所述临时子种群进行趋 同， 直至所述优胜子种群以 及所述临时子种群中均不在产生优胜者； 步骤S4‑6， 在选出最高的个体后， 以最 高的个体作 为子种群得分， 对得到的两个种群之 间进行异化操作； 步骤S4‑7， 重复进行所述步骤S4 ‑5至所述步骤S4 ‑6， 直到迭代次数达到预定次数， 得到 最优个体； 步骤S4‑8， 将所述将所述最优个体作为最优连接权值及阈值分配给所述BP神经网络模 型， 得到所述 最优的BP神经网络模型， 即腐蚀速率预测模型。 5.根据权利要求4所述的一种基于MEA ‑BP模型的金属管道腐蚀速率预测方法， 其特征 在于：权　利　要　求　书 1/2 页 2 CN 114266195 A 2其中， 所述 步骤S4‑1为： 将种群进化代数设定为30， 将变异率设定为0.1， 将交叉率设定为0.3， 将种群的规模设 定为1000， 将所述优胜子种群以及所述临时子种群的数量均设定为10， 将所述迭代的次数 设定为20 。权　利　要　求　书 2/2 页 3 CN 114266195 A 3