基于XGBoost特征重要度的储罐缺陷ANN面积量化模型

作     者：唐圳雄 唐东林 丁超 侯军 Tang Zhenxiong;Tang Dongling;Ding Chao;Hou Jun

作者机构：西南石油大学机电工程学院石油天然气装备教育部重点实验室成都610500 成都工业学院机械工程系成都611730 

基　　金：四川省科技厅科技支撑计划(2017FZ0033) 成都市技术创新研发项目(2018-YF05-00201-GX) 西南石油大学国家重点实验室项目(PLN201828)资助 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2020年第32卷第8期

页      码：109-115页

摘      要：针对超声波检测的储罐缺陷的面积量化问题,提出一种改进的储罐腐蚀缺陷面积量化模型。该模型利用XGBoost的特征重要度对人工神经网络(ANN)的参数进行先验初始化实现ANN模型的改进。该模型可以更快的收敛,并且提高准确率。按照国家标准设计实验平台,获取实验信号,并提取信号的统计特征得到特征数据集,利用数据集训练和测试改进的模型,并与传统模型进行对比。通过实验验证得出,改进的ANN模型能够更快的收敛,并且准确量化缺陷面积,相比于ANN量化模型,在训练集上准确率提高了17.9%,达到了98.3%,在测试集上提高了16.6%,达到了92.2%。

主 题 词：储罐腐蚀缺陷 面积量化 超声波检测 XGBoost特征重要度 ANN模型 

学科分类：0809[工学-计算机类] 08[工学] 080502[080502] 0805[工学-能源动力学] 

核心收录：

D　O　I：10.13382/j.jemi.B1902853

馆 藏 号：203985031...