Resumen

Teniendo en cuenta las características de los cambios no lineales de la tasa de corrosión interna en gasoductos, y las redes neuronales artificiales caen fácilmente en un óptimo local. Este trabajo propone un modelo que combina un algoritmo de análisis de componentes principales (ACP) y una red neuronal difusa dinámica (D-FNN) para abordar los problemas anteriores. El algoritmo de análisis de componentes principales se utiliza para la reducción dimensional y la extracción de características, y se utiliza un modelo de red neuronal difusa dinámica para realizar la predicción. El estudio que implementa el PCA-D-FNN se realiza además con los datos de corrosión de una tubería real, y los resultados se comparan entre las redes neuronales artificiales, las redes neuronales difusas y los modelos D-FNN. Los resultados verifican la eficacia del modelo y el algoritmo para la predicción de la velocidad de corrosión interna.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:redes neuronales artificiales, red neuronal difusa dinámica, modelo de red neuronal difusa dinámica, predicción de la tasa de corrosión interna, algoritmo de análisis de componentes principales, redes neuronales difusas, tasa de corrosión interna, análisis de componentes principales, fnn, pca
• Keywords:artificial neural networks, dynamic fuzzy neural network, dynamic fuzzy neural network model, inner corrosion rate prediction, principal component analysis algorithm, fuzzy neural networks, internal corrosion rate, principal component analysis, fnn, pca