高温环境下合金600在压力和输送介质的耦合作用下易发生应力腐蚀开裂,是合金管道的潜在失效模式,在多种影响因素共同作用下,一般参数化模型存在预测精度不高、泛化能力较差的问题,影响合金管道安全评估的准确性。将Faure序列初始种群、...高温环境下合金600在压力和输送介质的耦合作用下易发生应力腐蚀开裂,是合金管道的潜在失效模式,在多种影响因素共同作用下,一般参数化模型存在预测精度不高、泛化能力较差的问题,影响合金管道安全评估的准确性。将Faure序列初始种群、自适应引力全局搜索、精英保留策略局部搜索引入烟花算法,使用改进烟花算法(Improved Fire War Algorithm,IFWA)对结合Lasso回归和随机森林组成的回归增强随机森林算法(Regression-Enhanced Random Forest,RERF)超参数基学习器数量(n_estimate)、树的最大深度(max_depth)寻优,以RMSE为目标值使RERF达到全局搜索和局部搜索最优,形成基于IFWA-RERF的合金600应力腐蚀裂纹扩展速率预测模型,引入MAE和R2作为模型性能评价指标,建立数据集与测试集进行对比。结果表明:使用基于IFWA-RERF的合金600应力腐蚀裂纹扩展速率预测结果最接近实际数据,预测精度和稳定性均优于其他对比模型,有助于建立准确的安全评估模型。展开更多
文摘高温环境下合金600在压力和输送介质的耦合作用下易发生应力腐蚀开裂,是合金管道的潜在失效模式,在多种影响因素共同作用下,一般参数化模型存在预测精度不高、泛化能力较差的问题,影响合金管道安全评估的准确性。将Faure序列初始种群、自适应引力全局搜索、精英保留策略局部搜索引入烟花算法,使用改进烟花算法(Improved Fire War Algorithm,IFWA)对结合Lasso回归和随机森林组成的回归增强随机森林算法(Regression-Enhanced Random Forest,RERF)超参数基学习器数量(n_estimate)、树的最大深度(max_depth)寻优,以RMSE为目标值使RERF达到全局搜索和局部搜索最优,形成基于IFWA-RERF的合金600应力腐蚀裂纹扩展速率预测模型,引入MAE和R2作为模型性能评价指标,建立数据集与测试集进行对比。结果表明:使用基于IFWA-RERF的合金600应力腐蚀裂纹扩展速率预测结果最接近实际数据,预测精度和稳定性均优于其他对比模型,有助于建立准确的安全评估模型。
