DỰ BÁO TỐC ĐỘ ĂN MÒN KẼM TRONG KHÍ QUYỂN TRÊN CƠ SỞ ỨNG DỤNG MẠNG NƠ-RON NHÂN TẠO
Tác giả liên hệ:
Nguyễn Mạnh Thảo
Viện Độ bền Nhiệt đới, Trung tâm nhiệt đới Việt - Nga
Số 63 Nguyễn Văn Huyên, Nghĩa Đô, Cầu Giấy, Hà Nội
Số điện thoại: 0989787918; Email: thaothuy0nt@gmail.com
Viện Độ bền Nhiệt đới, Trung tâm nhiệt đới Việt - Nga
Số 63 Nguyễn Văn Huyên, Nghĩa Đô, Cầu Giấy, Hà Nội
Số điện thoại: 0989787918; Email: thaothuy0nt@gmail.com
Nội dung chính của bài viết
Tóm tắt
Forecast of zinc corrosion rate in the atmosphere APPLYINg artificial neural networkS
The article presents the prediction of zinc corrosion rate in the atmosphere by applying an artificial neural network (ANN). The results indicate that the forecast has high accuracy with the correlation coefficients of 97-98%. This is a good orientation of applying an artificial neural network to predict the metal corrosion rate in Vietnam.
Từ khóa
Artificial neural networks (ANN), forecasting model, zinc corrosion rate
Chi tiết bài viết
Tài liệu tham khảo
1. Lê Thị Hồng Liên, Phạm Thy San và Hoàng Lâm Hồng, Corrosion mapping of carbon steel in non-coastal areas of Viet Nam, International Corrosion Engineering Conference 2010, HaNoi.
2. Lê Thị Hồng Liên, Ăn mòn và phá hủy vật liệu kim loại trong môi trường khí quyển nhiệt đới Việt Nam, Tạp chí Khoa học và Công nghệ, số 50, 2012.
3. Le Thi Hong Lien, Pham Thy San, Hoang Lam Hong. Results of studying atmospheric corrosion in Vietnam 1995-2005, Science and technology of Advanced Materials, 2007.
4. Ivan Cole, Nguyễn Viết Huệ, Steel corrosion map of Viet Nam. International Corrosion Engineering Conference 2010, HaNoi.
5. Giulia De Masi, Roberta Vichi, Manuela Gentile, Giovanna Gabetta. A neural network predictive model of pipeline internal corrosion profile, First international conference on systems informatics, Modelling and Simulations, 2014.
6. G. Owen and R. A. Cottis, Prediction of the corrosion rate of steel in seawater using neural networks methods, Corrosion, 2000, p. 489.
7. Hernandez S., Nesic S., Weckman G., Ghai V., Use of artificial neuron networks for predicting crude oil effect on CO2 corrosion of carbon steels, Corrosion, 2005, p.5554.
8. Jianping Cai, R. A. Cottis, S. B. Lyon, Phenomenological modelling of atmospheric corrosion using an artificial neural network, Corrosion Science, 1999, 41:2001-2030
9. N. S. Reddy, Neural networks model for predicting corrosion depth in steels, Indian Journal of Advances in Chemical Science, 2014, 2(3):204-207.
10. Rosa Vera, Sebastian Ossandon, On the prediction of atmospheric corrosion of metals and alloy in Chile using artificial neural networks, Int. J. Electrochem. Sci., 2014, 9:7131-7151.
11. S. Feliu, M. Morcillo and S. Feliu, J. R., The prediction of atmospheric corrosion from meteorological and pollution parameters - I. Annual corrosion, Corrosion Science, 1993, 34(3):403-414.
12. Bùi Bá Xuân, IU. L. Côvantrúc, Philitrev N. L., Nguyễn Nhị Trự, Ăn mòn đối với một số kim loại màu và hợp kim trong vùng thời tiết nhiệt đới ẩm Việt Nam, Tạp chí Phát triển Khoa học và công nghệ, 2007, tập 10.
13. Bùi Công Cường, Nguyễn Doãn Phước, Hệ mờ, mạng nơ-ron và ứng dụng, Nhà xuất bản Khoa học và kỹ thuật, 2006.
14. Bảo Huy, Tin học thống kê trong lâm nghiệp, Nhà xuất bản Khoa học và kỹ thuật, 2017.
15. José Luis Aleixandre-Tudó, Inmaculada Alvarez, Maria José García, Victoria Lizma and José Luis Aleixandre, Application of multivariate regression methods to predict sensory quality of red wines, Czech J. Food Sci., 2015, 33:(3):217-227.
16. J. Ziemele, I. Pakere, N. Talcis, G. Cimdina, G. Vigants, I. Veidenbergs and D. Bluberga, Analysis of wood fuel use development in Riga, Agronomy Research, 2014, 12(2):645-654.
2. Lê Thị Hồng Liên, Ăn mòn và phá hủy vật liệu kim loại trong môi trường khí quyển nhiệt đới Việt Nam, Tạp chí Khoa học và Công nghệ, số 50, 2012.
3. Le Thi Hong Lien, Pham Thy San, Hoang Lam Hong. Results of studying atmospheric corrosion in Vietnam 1995-2005, Science and technology of Advanced Materials, 2007.
4. Ivan Cole, Nguyễn Viết Huệ, Steel corrosion map of Viet Nam. International Corrosion Engineering Conference 2010, HaNoi.
5. Giulia De Masi, Roberta Vichi, Manuela Gentile, Giovanna Gabetta. A neural network predictive model of pipeline internal corrosion profile, First international conference on systems informatics, Modelling and Simulations, 2014.
6. G. Owen and R. A. Cottis, Prediction of the corrosion rate of steel in seawater using neural networks methods, Corrosion, 2000, p. 489.
7. Hernandez S., Nesic S., Weckman G., Ghai V., Use of artificial neuron networks for predicting crude oil effect on CO2 corrosion of carbon steels, Corrosion, 2005, p.5554.
8. Jianping Cai, R. A. Cottis, S. B. Lyon, Phenomenological modelling of atmospheric corrosion using an artificial neural network, Corrosion Science, 1999, 41:2001-2030
9. N. S. Reddy, Neural networks model for predicting corrosion depth in steels, Indian Journal of Advances in Chemical Science, 2014, 2(3):204-207.
10. Rosa Vera, Sebastian Ossandon, On the prediction of atmospheric corrosion of metals and alloy in Chile using artificial neural networks, Int. J. Electrochem. Sci., 2014, 9:7131-7151.
11. S. Feliu, M. Morcillo and S. Feliu, J. R., The prediction of atmospheric corrosion from meteorological and pollution parameters - I. Annual corrosion, Corrosion Science, 1993, 34(3):403-414.
12. Bùi Bá Xuân, IU. L. Côvantrúc, Philitrev N. L., Nguyễn Nhị Trự, Ăn mòn đối với một số kim loại màu và hợp kim trong vùng thời tiết nhiệt đới ẩm Việt Nam, Tạp chí Phát triển Khoa học và công nghệ, 2007, tập 10.
13. Bùi Công Cường, Nguyễn Doãn Phước, Hệ mờ, mạng nơ-ron và ứng dụng, Nhà xuất bản Khoa học và kỹ thuật, 2006.
14. Bảo Huy, Tin học thống kê trong lâm nghiệp, Nhà xuất bản Khoa học và kỹ thuật, 2017.
15. José Luis Aleixandre-Tudó, Inmaculada Alvarez, Maria José García, Victoria Lizma and José Luis Aleixandre, Application of multivariate regression methods to predict sensory quality of red wines, Czech J. Food Sci., 2015, 33:(3):217-227.
16. J. Ziemele, I. Pakere, N. Talcis, G. Cimdina, G. Vigants, I. Veidenbergs and D. Bluberga, Analysis of wood fuel use development in Riga, Agronomy Research, 2014, 12(2):645-654.