杜翠微趙研研李磊李曉剛（北京科技大學(xué)腐蝕與防護(hù)中心）

金屬材料的海水腐蝕規(guī)律十分復(fù)雜，其腐蝕關(guān)系是非線性的，即同一種金屬在不同的環(huán)境條件下有不同的腐蝕規(guī)律，在相同的環(huán)境條件下不同的金屬也可能存在著不同的腐蝕規(guī)律。因此，利用已有的金屬材料海水腐蝕數(shù)據(jù)預(yù)測未知海區(qū)金屬材料的腐蝕行為，掌握其未來變化規(guī)律，對防腐工程設(shè)計、制定材料防腐規(guī)范和標(biāo)準(zhǔn)、保證設(shè)備和工程構(gòu)件的安全使用具有重要意義[1~2]。腐蝕科技工作者相繼提出了用于對碳鋼及低合金鋼的海水腐蝕預(yù)測的數(shù)學(xué)模型，如：指數(shù)模型、灰色系統(tǒng)模型，近年來，人工神經(jīng)網(wǎng)絡(luò)方法并成為材料環(huán)境腐蝕行為與使用壽命預(yù)測研究中的熱點(diǎn)。在海水腐蝕領(lǐng)域，利用已知海水網(wǎng)站腐蝕速率數(shù)據(jù)預(yù)測未知地區(qū)碳鋼、低合金鋼海水腐蝕速率在國內(nèi)尚不完善。利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)，綜合各種數(shù)學(xué)模型，預(yù)測碳鋼及低合金鋼海水腐蝕，十分重要的研究。近年來，人們開始逐漸將神經(jīng)網(wǎng)絡(luò)用于腐蝕領(lǐng)域，并取得了一定的研究成果[3~4]ynie和Upham[5]碳鋼大氣腐蝕的二氧化硫模型，但模型沒有考慮其他重要因素影響。Pintos等[6]用神經(jīng)網(wǎng)絡(luò)技術(shù)對南美洲大氣腐蝕進(jìn)行了預(yù)測，其平方誤差要小于線性回歸模型。Leifer J和Zapp P E等[7]建立了存貯放射性廢料的碳鋼罐發(fā)生點(diǎn)蝕的危險程度，結(jié)果證明神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果要比對數(shù)回歸有更高的精度。楊曉明利用人工神經(jīng)網(wǎng)絡(luò)BP算法建立了海水環(huán)境對A3鋼的腐蝕作用模型，用該模型預(yù)測了新海域環(huán)境下金屬的腐蝕速度。宋詩哲[8~9]網(wǎng)絡(luò)方法建立了碳鋼和低合金鋼海水腐蝕與合金成分、海水因素間的模型。訓(xùn)練網(wǎng)絡(luò)的標(biāo)準(zhǔn)樣本選用海水長期浸泡實(shí)驗(yàn)的碳鋼和低合金鋼腐蝕數(shù)據(jù)，材料的合金成分及海水主要腐蝕因素作為網(wǎng)絡(luò)的輸入，浸泡1、2、4、8年的平均腐蝕深度作為網(wǎng)絡(luò)的標(biāo)準(zhǔn)樣本輸出值。從碳鋼和低合金鋼平均腐蝕深度與合金成分的模型中觀察到，Al和Ni可有效地抑制腐蝕的進(jìn)行，長期浸泡Mo可以在一定程度上抑制腐蝕，Cr和Mn的存在對于合金長期使用不利。劉學(xué)慶等[58]使用電化學(xué)方法測定了不同海水狀態(tài)下3C鋼的腐蝕速度 ,并采用人工神經(jīng)網(wǎng)絡(luò)分析了海水環(huán)境參數(shù)與腐蝕速度的相關(guān)性，建立了用于預(yù)測3C鋼在海水中腐蝕速度的人工神經(jīng)網(wǎng)絡(luò)模型。 該方法在監(jiān)測與評價區(qū)域海洋環(huán)境腐蝕性方面具有實(shí)際應(yīng)用價值。

這些工作表明，借助于神經(jīng)網(wǎng)絡(luò)，可以用腐蝕試驗(yàn)室數(shù)據(jù)來預(yù)測材料在實(shí)際使用中的性能和行為，有效解決腐蝕試驗(yàn)室數(shù)據(jù)與材料實(shí)際使用結(jié)果相脫節(jié)的難題。但現(xiàn)有的研究僅針對數(shù)量很少或短期的海水腐蝕性數(shù)據(jù)進(jìn)行評價，不能完整地體現(xiàn)海水的腐蝕性。本文通過對國家腐蝕試驗(yàn)站16年長周期的大量腐蝕數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)分析計算，建立了基于16年海水暴露的人工神經(jīng)網(wǎng)絡(luò)腐蝕預(yù)測模型，不僅能夠更為準(zhǔn)確地對碳鋼低合金鋼在我國海水中的腐蝕性進(jìn)行評價，而且可以較為準(zhǔn)確地預(yù)測其海水腐蝕行為與規(guī)律。

表1 我國各海區(qū)的主要環(huán)境因素（年平均）

表2 材料牌號及其編號對照表

1 研究方法

我國現(xiàn)在共有四個典型的海水腐蝕試驗(yàn)站，分別位于青島，廈門，榆林和舟山，代表了不同海域典型港灣的環(huán)境因素特征。本文以我國海水試驗(yàn)站長期以來積累的海水腐蝕數(shù)據(jù)為基礎(chǔ)，采用神經(jīng)網(wǎng)絡(luò)技術(shù)，運(yùn)用Matlab、VB編程語言及計算機(jī)技術(shù)進(jìn)行數(shù)據(jù)處理與建模。

1.1 金屬材料海水腐蝕數(shù)據(jù)

1.1.1 海水環(huán)境條件

選取青島、榆林、廈門、舟山等的有代表性的地區(qū)，代表我國不同海域典型海水的環(huán)境因素特征，從而對材料的海水腐蝕性能做出較為全面可靠的判斷。我國各海區(qū)的主要環(huán)境因素表1。

1.1.2 試驗(yàn)材料本文建模數(shù)據(jù)來源于國家自然科學(xué)基金委員會重大項(xiàng)目“材料自然環(huán)境腐蝕”積累的16年海水腐蝕數(shù)據(jù)，積累的62種金屬和涂鍍層材料（1173片）在四個網(wǎng)站的全浸、潮差、飛濺區(qū)16年 （舟山8年）海水腐蝕數(shù)據(jù)4692個，并定期測試了四個站的海水環(huán)境因素2400個。其中碳鋼及低合金鋼有19種，本文將其編號如表2所示

1.1 計算機(jī)技術(shù)

本工作采用Matlab編程語言編寫模型程序，Visual Basic語言進(jìn)行系統(tǒng)界面的開發(fā)。其中的神經(jīng)網(wǎng)絡(luò)工具箱是Mathworks公司最新推出的MATLAB6.x高性能可視化數(shù)值計算軟件的組成部分。它主要針對神經(jīng)網(wǎng)絡(luò)系統(tǒng)的分析與設(shè)計，提供了大量可供直接調(diào)用的工具箱函數(shù)、圖形界面函數(shù)和Simulink仿真工具，是進(jìn)行神經(jīng)網(wǎng)絡(luò)系統(tǒng)分析與設(shè)計的絕佳工具，設(shè)計思想如圖1所示。

2 結(jié)果與討論

2.1 不含環(huán)境因素神經(jīng)網(wǎng)絡(luò)模型

不含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)模型主要是在預(yù)測未知地區(qū)環(huán)境因素的條件下對金屬的腐蝕趨勢定性的評估。另外，系統(tǒng)還能夠分析各合金元素對金屬腐蝕的影響，對不同金屬的腐蝕速率分析對比。

2.1.1 模型構(gòu)建

1）學(xué)習(xí)樣本的選擇

以國家海水腐蝕試驗(yàn)站積累的青島、廈門、榆林幾個海水腐蝕試驗(yàn)站16年的腐蝕數(shù)據(jù)建模。試驗(yàn)鋼種共有19種。選定1#A3鋼和15#10CrCu-SiV低合金鋼為檢驗(yàn)樣本，其余17種材料1、2、4、8、16年的腐蝕數(shù)據(jù)為訓(xùn)練樣本各地區(qū)分別訓(xùn)練。

2）輸入因子的選擇

輸入因子為金屬材料10種主要合金元素含量，合金元素見表3。輸出為材料分別在1、2、4、8、16年的腐蝕速率。即輸入節(jié)點(diǎn)數(shù)為10，輸出節(jié)點(diǎn)數(shù)為5。

表3 碳鋼及低合金鋼主要合金元素表

3）網(wǎng)絡(luò)結(jié)構(gòu)的確定

采用3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，第一層為輸入層，中間為隱含層，第三為輸出層，相鄰兩側(cè)的神經(jīng)元之間相互連接，各層內(nèi)的神經(jīng)元之間無連接。

4）輸入層神經(jīng)元變換函數(shù)的選用

在本模型中輸出層的傳遞函數(shù)為線性函數(shù)或者S型函數(shù)，隱含層的傳遞函數(shù)采用對數(shù)S型函數(shù)。

綜上所述，不含環(huán)境因素人工神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)如圖2所示。

2.1.2 訓(xùn)練結(jié)果

當(dāng)上述因素確定以后，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練網(wǎng)絡(luò)使用的是Matlab軟件中所提供的神經(jīng)網(wǎng)絡(luò)工具箱。

網(wǎng)絡(luò)中間層神經(jīng)元數(shù)目預(yù)選為5，傳遞函數(shù)類型為sigmoid，輸出層傳遞函數(shù)為S型函數(shù)，訓(xùn)練函數(shù)為trainlm。輸出系統(tǒng)目標(biāo)誤差取10-5，訓(xùn)練步數(shù)為 3×105。

以經(jīng)過學(xué)習(xí)的模型作為預(yù)測模型，將1#A3鋼和15#10CrCuSiV合金的元素成分輸入，得出1#，15#的神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果見表4。除對第一年腐蝕速率誤差較大，基本能夠反應(yīng)該金屬的腐蝕趨勢。其中，A3鋼在海水的腐蝕速率隨著暴露時間而減小，10CrCuSiV鋼腐蝕速率在4年之后腐蝕速率變大，出現(xiàn)“逆轉(zhuǎn)”現(xiàn)象，與實(shí)際現(xiàn)象符合。

從不含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練及預(yù)測過程可以得出以下結(jié)果：

1）對與網(wǎng)絡(luò)模型其隱含層數(shù)越多訓(xùn)練結(jié)果越貼近實(shí)際值。但是隱含層數(shù)增多，訓(xùn)練時間加長且非訓(xùn)練點(diǎn)的輸出值誤差增大。因此選擇模型的原則是：在達(dá)到精度的情況下，隱含層數(shù)盡可能的少。

2）應(yīng)用結(jié)果表明，用人工神經(jīng)網(wǎng)絡(luò)的方法預(yù)測的結(jié)果基本反映金屬在海水全浸區(qū)腐蝕速率變化的規(guī)律，具有一定的應(yīng)用價值。

2.2 含環(huán)境因素神經(jīng)網(wǎng)絡(luò)模型

本工作根據(jù)我國海水腐蝕試驗(yàn)站積累的數(shù)據(jù)，將BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于碳鋼及低合金鋼海水腐蝕預(yù)測的研究中。通過訓(xùn)練網(wǎng)絡(luò)建立了海水環(huán)境腐蝕性因素及合金元素對海水腐蝕速率的關(guān)系，探討了環(huán)境腐蝕性因素的選擇、合金元素及網(wǎng)絡(luò)輸出層的變換函數(shù)對預(yù)測結(jié)果精度的影響。

表4 青島地區(qū)不含環(huán)境因素神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果

考慮到學(xué)習(xí)樣本對腐蝕預(yù)測結(jié)果的影響，本文擬建立含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)模型I和含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)模型II兩種神經(jīng)網(wǎng)絡(luò)模型。

其中，含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)模型I用于預(yù)測已知環(huán)境因素的地區(qū)的金屬腐蝕速率。輸入因子為海水腐蝕站點(diǎn)主要環(huán)境因素：溫度、海水中溶氧量、pH、鹽度和生物影響因素，輸出為金屬平均腐蝕率。由于各試驗(yàn)金屬的性質(zhì)不同，因此需要分別對每個金屬分別構(gòu)建神經(jīng)網(wǎng)絡(luò)模型。即輸入節(jié)點(diǎn)數(shù)為5，輸出值為平均腐蝕速度，輸出層節(jié)點(diǎn)數(shù)為1。

含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)II是對金屬所知條件較多的情況下進(jìn)行較為精確預(yù)測的模型。輸入因子包括合金成分因素及環(huán)境因素。 即 Cu、Cr、Mn、Al、P、S、Si、Mo和V等10種成份及溫度、海水中溶氧量、pH、鹽度和生物影響因素。即輸入節(jié)點(diǎn)數(shù)為15，輸出值為平均腐蝕速度，輸出層節(jié)點(diǎn)數(shù)為1。

2.2.1 含環(huán)境因素神經(jīng)網(wǎng)絡(luò)模型I

1）模型構(gòu)建

（1）學(xué)習(xí)樣本的選擇

以國家海水腐蝕試驗(yàn)站積累的青島、廈門、榆林三個海水腐蝕試驗(yàn)站16年的腐蝕數(shù)據(jù)建模。試驗(yàn)鋼種共有19種，編號如表2所示。

（2）輸入因子的選擇

前文將海水環(huán)境因子與平均腐蝕數(shù)率的灰關(guān)聯(lián)分析表明，溫度、海水中溶氧量、pH、鹽度和生物附著對碳鋼及低合金鋼的腐蝕都有較大的影響，是影響碳鋼及低合金鋼的主要環(huán)境因素。其中對于均勻腐蝕而言，溶解氧、pH值、鹽度是最主要的因素。因此對于含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)的輸入因子的選擇，本工作將溫度、海水中溶氧量、pH、鹽度和生物附著都納入其中。

（3）網(wǎng)絡(luò)結(jié)構(gòu)的確定

采用3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，第一層為輸入層，中間為隱含層，第三為輸出層，相鄰兩側(cè)的神經(jīng)元之間相互連接，各層內(nèi)的神經(jīng)元之間無連接。不同的鋼種人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)選用有所不同。

雖然增加層數(shù)可以更進(jìn)一步的降低誤差，提高精度，但使網(wǎng)絡(luò)復(fù)雜化，增加網(wǎng)絡(luò)的訓(xùn)練時間，因此本模型采取較為簡潔的3層神經(jīng)網(wǎng)絡(luò)。而誤差精度的提高通過增加隱含層的神經(jīng)元數(shù)來獲得。隱含層中神經(jīng)元的數(shù)量在理論上沒有一個明確的規(guī)定，數(shù)量太少，網(wǎng)絡(luò)不夠健壯，誤差收斂速度慢，誤差較大；而數(shù)量太多，造成訓(xùn)練時間加長，容易過度擬合，誤差不一定最佳。網(wǎng)絡(luò)結(jié)構(gòu)對神經(jīng)元數(shù)量是比較敏感的，因此通過對不同神經(jīng)元數(shù)進(jìn)行訓(xùn)練比較對比，確定最佳的神經(jīng)元數(shù)。

（4）輸入層神經(jīng)元變換函數(shù)的選用

對于含環(huán)境因素神經(jīng)網(wǎng)絡(luò)I，各鋼種網(wǎng)絡(luò)隱含層中的神經(jīng)元均采用sigmoid型變換函數(shù)，但是輸出層神經(jīng)元變換函數(shù)有所不同。如果BP網(wǎng)絡(luò)的最后一層是sigmoid型函數(shù)，那么整個網(wǎng)絡(luò)的輸出就限制在一個較小的范圍內(nèi)；如果BP網(wǎng)絡(luò)的最后一層是純線性函數(shù)purelin，那么整個網(wǎng)絡(luò)的輸出可以取任意值。由于金屬材料大氣腐蝕是一個復(fù)雜的非線性系統(tǒng)，通常輸出層神經(jīng)元變換函數(shù)選用sigmoid型變換函數(shù)，預(yù)測結(jié)構(gòu)較接近實(shí)際值。但是，某些金屬材料，則采用純線性函數(shù)purelin比較好。最終確定各個鋼種的網(wǎng)絡(luò)I結(jié)構(gòu)及輸出層神經(jīng)元變換函數(shù)如表5所示。模型拓?fù)浣Y(jié)構(gòu)見圖3。

表5 人工神經(jīng)網(wǎng)絡(luò)模型I結(jié)構(gòu)與輸出層神經(jīng)元傳遞函數(shù)

2.2.3 含環(huán)境因素神經(jīng)網(wǎng)絡(luò)模型II

1）模型構(gòu)建

（1）學(xué)習(xí)樣本的選擇

以國家海水腐蝕試驗(yàn)站積累的青島、廈門、榆林幾個海水腐蝕試驗(yàn)站16年的腐蝕數(shù)據(jù)建模。試驗(yàn)鋼種共有19種，編號如表2所示。以1#A3碳鋼和15#10CrCuSiV低合金鋼為檢驗(yàn)樣本，其余17種材料 1、2、4、8、16年的腐蝕數(shù)據(jù)為訓(xùn)練樣本。

（2）輸入因子的選擇

輸入因子包括合金成分因素及環(huán)境因素。即Cu、Cr、Mn、AL、P、S、Si、 Mo 和 V 等 10 種主要合金成份及溫度、海水中溶氧量、pH、鹽度和生物影響因素。即輸入節(jié)點(diǎn)數(shù)為15，輸出值為平均腐蝕速度，輸出層節(jié)點(diǎn)數(shù)為1。

（3）網(wǎng)絡(luò)結(jié)構(gòu)的確定

采用3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，第一層為輸入層，中間為隱含層，第三為輸出層，相鄰兩側(cè)的神經(jīng)元之間相互連接，各層內(nèi)的神經(jīng)元之間無連接。不同的鋼種人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)選用有所不同。

（4）輸入層神經(jīng)元變換函數(shù)的選用

對于含環(huán)境因素神經(jīng)網(wǎng)絡(luò)II，采用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是15-15-1。隱含層中的神經(jīng)元采用sigmoid型變換函數(shù)，輸出層神經(jīng)元變換函數(shù)也選用sig-moid型變換函數(shù)。

含環(huán)境因素的人工神經(jīng)網(wǎng)絡(luò)模型II的拓?fù)浣Y(jié)構(gòu)見圖4。

2）預(yù)測結(jié)果

以經(jīng)過學(xué)習(xí)的模型作為預(yù)測模型，將檢驗(yàn)樣本1#A3鋼和15#10CrCuSiV。得出1#，15#的神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果見表6～8。

表6 青島地區(qū)神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果

表7 廈門地區(qū)神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果

表8 榆林地區(qū)神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果

2.2.4 討論

1）神經(jīng)網(wǎng)絡(luò)預(yù)測精度

模型I和模型II預(yù)測結(jié)果較好地反映了1#和15#金屬材料腐蝕的實(shí)際情況。其相對誤差基本在20%以內(nèi)，具有較好的預(yù)測精度。可以認(rèn)為所建立的網(wǎng)絡(luò)模型有較強(qiáng)的參考性。

表9 舟山地區(qū)1、2、4、8、16年金屬腐蝕速率實(shí)測值與人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測值的比較

2）含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)I與II比較

利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)I和神經(jīng)網(wǎng)絡(luò)II對舟山地區(qū)金屬的腐蝕速率進(jìn)行預(yù)測的結(jié)果進(jìn)行比較如表9所示。

比較兩種模型的預(yù)測結(jié)果，分析兩種模型精度差別的原因可能有以下幾種：

（1）輸入因子的影響

由結(jié)果可見，模型II要比模型I精確度高。輸入因子的增加有利于提高預(yù)測精確度，并且合金元素和環(huán)境因子都對金屬海水腐蝕有一定的影響，單獨(dú)考慮一個方面是不準(zhǔn)確的。另外，從含環(huán)境因素神經(jīng)網(wǎng)絡(luò)模型I和不含神經(jīng)網(wǎng)絡(luò)模型比較可知，環(huán)境因素是影響金屬海水腐蝕的主要方面，掌握環(huán)境因素即可比較準(zhǔn)確地掌握金屬腐蝕的趨勢。因此，在不能很全面的掌握材料環(huán)境資料時，不含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)模型可以作為參考。而含環(huán)境因素神經(jīng)網(wǎng)絡(luò)模型I則基本可以作為含環(huán)境因素神經(jīng)網(wǎng)絡(luò)模型II的簡化模型使用。

但是，模型II對輸入因子要求較苛刻，需要較多的輸入因子。模型總的預(yù)測精度稍弱，這種誤差很可能是由于網(wǎng)絡(luò)學(xué)習(xí)樣本中所采用的輸入因子較少或者是訓(xùn)練樣本的準(zhǔn)確性和代表性不夠引起的。模型I、II的預(yù)測結(jié)果表現(xiàn)出的規(guī)律與實(shí)測值都是相一致的。

（2）合金元素的影響

模型較為準(zhǔn)確地反映了金屬在海水全浸區(qū)的腐蝕行為。例如鉻鋼在全浸區(qū)的腐蝕行為與碳鋼不同，發(fā)生耐蝕性“逆轉(zhuǎn)”現(xiàn)象。不同鉻鋼的腐蝕行為也有明顯差別。鉻鋼的腐蝕行為與合金元素有關(guān)，也與各試驗(yàn)地點(diǎn)的環(huán)境因素有關(guān)。預(yù)測結(jié)果較好地反映了這一點(diǎn)。

另外，在鋼中加入少量的 Mn、Si、P、Cu、Al、Mo、Nb、V等或它們復(fù)合對鋼耐海水腐蝕性的影響很小。模型I和模型II在預(yù)測結(jié)果相差不大，驗(yàn)證了影響碳鋼及低合金鋼海水全浸區(qū)腐蝕的主要是環(huán)境因素，上述合金元素作用較小。以上結(jié)果，在文獻(xiàn)13中有所討論，但是本文結(jié)果更加全面。

（3）網(wǎng)絡(luò)輸出層神經(jīng)元變換函數(shù)對預(yù)測結(jié)果的影響

以A3鋼為例，使用模型I預(yù)測了金屬在舟山地區(qū)1、2、4、8、16年的腐蝕速率。 表10中列出了輸入層變換函數(shù)使用sigmoid型函數(shù)和純線性函數(shù)purlin對預(yù)測結(jié)果的影響。從表中可以看出，對于A3鋼，使用sigmoid函數(shù)作為輸出層變換函數(shù)后，網(wǎng)絡(luò)預(yù)測結(jié)果精度明顯比純線性purelin函數(shù)

表10 不同網(wǎng)絡(luò)輸出層神經(jīng)元變換函數(shù)對預(yù)測結(jié)果的影響（A3）,mm/a

低。對于某些金屬，如16MnQ使用S型函數(shù)作為輸出層變換函數(shù)較好。因此，輸出層神經(jīng)元變換函數(shù)依實(shí)際情況分別使用sigmoid和purelin函數(shù)。

綜上所述，人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果與實(shí)測值基本吻合，兩者偏差均在可接受范圍內(nèi)，人工神經(jīng)網(wǎng)絡(luò)技術(shù)在海水腐蝕預(yù)測中的應(yīng)用是可行的，具有良好的參考價值和推廣價值。另外，輸入因子的選擇、輸出神經(jīng)元的變換函數(shù)、隱含層節(jié)點(diǎn)數(shù)的確定等都可以為以后神經(jīng)網(wǎng)絡(luò)建模提供經(jīng)驗(yàn)。

3 結(jié)論

（1）對碳鋼及低合金鋼常用的海水腐蝕預(yù)測模型進(jìn)行了研究，建立了不含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，對學(xué)習(xí)樣本的擬合結(jié)果精度達(dá)到95%以上，對未來數(shù)據(jù)的預(yù)測精度較差。部分合金成分?jǐn)?shù)據(jù)的缺少是造成模型誤差的主要原因?？傮w而言，模型能夠正確反映金屬材料的合金成分與海水腐蝕速率的關(guān)系，可以進(jìn)行金屬材料海水環(huán)境腐蝕速率的長期預(yù)測。

（2）對碳鋼及低合金鋼常用的海水腐蝕預(yù)測模型進(jìn)行了研究，建立了含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)預(yù)測模型I和II。對未來數(shù)據(jù)的預(yù)測精度在80%以上，其中模型I精度比II要低。結(jié)果表明輸入因子的增加有利于提高預(yù)測精確度，并且合金元素和環(huán)境因子都對金屬海水腐蝕有一定的影響，單獨(dú)考慮一個方面是不準(zhǔn)確的。其中環(huán)境因素是影響金屬海水腐蝕的主要方面，掌握環(huán)境因素即可比較準(zhǔn)確地掌握金屬腐蝕的趨勢。模型II對輸入因子要求較苛刻，需要較多的輸入因子。在不能很全面的掌握材料環(huán)境資料時，不含環(huán)境因素的神經(jīng)網(wǎng)絡(luò)模型可以作為參考。

（3）模型總的預(yù)測精度稍弱，這種誤差可能是由于網(wǎng)絡(luò)學(xué)習(xí)樣本中所采用的輸入因子較少，即訓(xùn)練樣本的數(shù)量不足和代表性不夠引起的。但是模型I、II的預(yù)測結(jié)果表現(xiàn)出的規(guī)律與實(shí)測值都是相一致的。

致謝：本工作得到科技部科技條件平臺建設(shè)重大項(xiàng)目（2005DTA10400）和國家自然科學(xué)基金重大項(xiàng)目（50499333）的支持，特此致謝！訓(xùn)練數(shù)據(jù)來源于國家自然環(huán)境腐蝕海水臺站，特此致謝！

[1]曹楚南．中國材料的自然環(huán)境腐蝕．北京：化學(xué)工業(yè)出版社，2005：211

[2]王光雍，王海江，李興濂，等．自然環(huán)境的腐蝕與防護(hù)．北京：化學(xué)工業(yè)出版社，1997：45～46

[3]H M G Smets,W F L Bogaerts．SCC analysis of austenitic stainless steels in chloride-bearing water by neural network techniques．Corrosion,1992,48(8)：618

[4]Cai J P,Cottis R A,Lyon S B．Phenomenological modeling of atmospheric corrosion using an artificial neural network．Corrosion Science,1999,41(110)：2001～2030

[5]F H Haynie,J P Upham．Effects of atmospheric pollutants on corrosion behavior of steels．Material Perform,1971,10(11)：18

[6]S Pintos,N V Queipo,O T D Rincon et al．Artifical neural network modeling of atmospheric corrosion in the MICAT project．Corrosion Science,2000,42(1)：35

[7]J Leifer,P E Zapp,J I Michalonis．Predictive models for determination of pitting corrosion versus inhibitor concentrations and temperature for radioactive sludage in carbon steel waste tanks．Corrosion,1999,55(1)：31

[8]宋詩哲．神經(jīng)網(wǎng)絡(luò)在海洋腐蝕中的應(yīng)用．中國腐蝕與防護(hù)學(xué)報，1997，(3)：45

[9]孔德英，宋詩哲．人工神經(jīng)網(wǎng)絡(luò)技術(shù)探討碳鋼、低合金鋼的實(shí)海腐蝕規(guī)律．中國腐蝕與防護(hù)學(xué)報，1998，18（4）：289

[10]劉學(xué)慶，唐曉，王佳．3C鋼腐蝕速度與海水環(huán)境參數(shù)關(guān)系的人工神經(jīng)網(wǎng)絡(luò)分析．中國腐蝕與防護(hù)學(xué)報，2005，25（1）：11～14

[11]樓順天，陳生潭．Matlab5.X程序設(shè)計語言．西安：西安電子科技大學(xué)出版社，2000：132～142

[12]張崇明，汪春梅，朱品昌等．使用 Java擴(kuò)展Matlab．計算機(jī)工程設(shè)計，2006，27（9）：1563～1569

[13]杜翠微，趙研研，李曉剛等，神經(jīng)網(wǎng)絡(luò)在海水腐蝕預(yù)測中的應(yīng)用，裝備環(huán)境工程，2007，4（3）：85～87