Los conductos enterrados y las estructuras metálicas en los sistemas de metro están sujetos a corrosión electroquímica bajo la interferencia de corrientes vagabundas. La densidad de corriente de corrosión determina el grado y la velocidad de la corrosión por corriente vagabunda. En esta investigación se utilizó un método que combina experimentos electroquímicos con un algoritmo de aprendizaje automático para estudiar la densidad de corriente de corrosión bajo la acción conjunta de corriente vagabunda e ion cloruro. En este estudio, se construyó un modelo de optimización de enjambre de partículas cuánticas-red neuronal (QPSO-NN) para predecir la densidad de corriente de corrosión en el proceso de corrosión por corriente vagabunda. Se empleó el algoritmo QPSO para optimizar el proceso de actualización de pesos y sesgos en la red neuronal artificial (ANN). Los resultados muestran que la precisión del modelo QPSO-NN propuesto es mejor que el modelo basado en la red neuronal de retropropagación (
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Seguridad y privacidad de datos en el Internet de las cosas: Amenazas, desafíos y futuras direcciones
Artículo:
Algoritmo de cobertura de fusión basado en umbral efectivo controlable en redes de sensores móviles
Artículo:
Un marco mejorado de preservación de la privacidad para servicios basados en la localización basado en regiones de doble ocultación con restricciones de información suplementaria
Artículo:
Una nueva metodología híbrida para la previsión de series temporales no lineales
Artículo:
Identificación estadística de parámetros para estructuras FGM dañadas con incertidumbres en el material en un entorno térmico.