<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Article Authoring DTD v1.4 20240229//EN" "JATS-articleauthoring1.dtd">
<article article-type="research-article" xml:lang="zh-CN" xmlns:xlink="http://www.w3.org/1999/xlink">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">28</journal-id>
      <journal-title-group>
        <journal-title>《现代化工技术》原《现代化工》</journal-title>
        <abbrev-journal-title>Modern Chemical Engineering Technology</abbrev-journal-title>
      </journal-title-group>
      <issn>ISSN：3104-770X(P)/3104-7718(O)；原ISSN：2661-3670(P)/2661-3689(O)</issn>
      <publisher>
        <publisher-name>华文国际出版社</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="publisher-id">9408</article-id>
      <title-group>
        <article-title>碳钢管道腐蚀速率的卷积神经网络预测模型 研究</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <string-name>柴智利 焦 龙 （西安石油大学 陕西西安 710065）</string-name>
        </contrib>
      </contrib-group>
      <pub-date pub-type="epub">
        <year>2024</year>
        <month>11</month>
      </pub-date>
      <issue>11</issue>
      <abstract>
        <p>鉴于管道腐蚀对于能源传输和工业生产的重要影响，及时、准确的腐蚀预测对于保障管道安
全至关重要。本研究通过卷积神经网络（convolutional neural networks，CNN）模型对碳钢管道腐蚀
速率进行预测，并通过建立 BP 神经网络（back propagation neural networks，BPNN），随机森林（random
forest，RF）模型进行优选。建立的 CNN 模型决定系数为 0.9882，平均相对误差为 0.0003，均方根误
差为 0.0037。结果表明，CNN 模型预测精度最高，优于 BPNN 和 RF 模型。利用卷积神经网络模型
可实现对于碳钢管道腐蚀速率的有效预测。</p>
      </abstract>
    </article-meta>
  </front>
</article>
