论文部分内容阅读
腐蚀行为是自然界中最为常见的现象,而海洋工程材料的腐蚀行为是它的重要组成部分,腐蚀行为的发生通常存在着普遍性、隐蔽性、渐进性等特征。材料腐蚀行为会带来安全隐患和经济损失两种危害,因此提高工程材料的腐蚀控制水平以及减少腐蚀行为对工程材料的影响已成为世界各国共同关注的问题。目前的科学信息技术正快速发展,其中包含互联网、大数据等技术,全世界目前正席卷着一股以“大数据技术”为主流的信息化浪潮,以此为契机进行海洋工程腐蚀大数据预测可视化平台的建设工作。可视化平台采用计算机网络技术以界面形式向工作人员进行展示,减少平台建设成本的支出,并无需开发客户端软件,极大降低了开发和后期维护成本,同时也方便日后的功能扩展。操作界面为标准的网页界面,友好、简单、易于操作,并且能够实现基于大数据技术的数据共享功能。同时在该平台中嵌入腐蚀预测模型,为提高海洋工程材料腐蚀速率预测的精度,提出了一种基于遗传算法(GA)优化back propagation(BP)神经网络的海洋工程腐蚀速率预测模型。通过遗传算法对BP神经网络的权值和阈值进行优化,利用优化后的BP神经网络模型对海洋工程试验数据进行预测。GA-BP模型选取具有代表性的2Cr1312不锈钢、Q235B碳钢和6082铝合金三种基本海洋工程材料数据进行试验,预测结果误差小于传统BP神经网络,并能够减少网络模型的试验训练时间,提高优化后的网络模型的预测精度。本文通过Hadoop大数据技术为海洋工程腐蚀领域提供强有力的保障,利用数据处理、数据分析、数据可视化以及数据预测功能建立海洋工程腐蚀大数据预测可视化平台。该可视化平台是将大数据技术、数据库技术、海洋工程腐蚀数据及腐蚀预测模型相结合,从具体的海洋工程材料腐蚀大数据管理出发,具有较好的应用意义和使用价值,可以获得可观的经济效益,对腐蚀综合控制的实现有一定的促进作用。以及在应用于海洋工程材料的腐蚀预测研究工作中,能够对海洋工程材料的腐蚀行为进行掌控,可减低其带来的负面影响,并可进行扩展,在实际应用及推广方面具有一定的意义。