基于XGBoost特征重要度的储罐缺陷ANN面积量化模型

发布时间：2023-03-20 02:33

　　针对超声波检测的储罐缺陷的面积量化问题,提出一种改进的储罐腐蚀缺陷面积量化模型。该模型利用XGBoost的特征重要度对人工神经网络(ANN)的参数进行先验初始化实现ANN模型的改进。该模型可以更快的收敛,并且提高准确率。按照国家标准设计实验平台,获取实验信号,并提取信号的统计特征得到特征数据集,利用数据集训练和测试改进的模型,并与传统模型进行对比。通过实验验证得出,改进的ANN模型能够更快的收敛,并且准确量化缺陷面积,相比于ANN量化模型,在训练集上准确率提高了17.9%,达到了98.3%,在测试集上提高了16.6%,达到了92.2%。

【文章页数】：7 页

【文章目录】：
0 引 言
1 超声波检测介绍
2 基于XGBoost特征重要度的单神经元
3 基于XGBoost特征重要度的ANN模型的构建
4 实验
    4.1 超声波信号的采集和处理
    4.2 特征提取
    4.3 模型的训练和测试
5 结果与讨论
6 结 论



本文编号：3766503