基于大数据技术的海洋工程腐蚀预测研究

发布时间:2021-02-16 20:10
  腐蚀行为是自然界中最为常见的现象,而海洋工程材料的腐蚀行为是它的重要组成部分,腐蚀行为的发生通常存在着普遍性、隐蔽性、渐进性等特征。材料腐蚀行为会带来安全隐患和经济损失两种危害,因此提高工程材料的腐蚀控制水平以及减少腐蚀行为对工程材料的影响已成为世界各国共同关注的问题。目前的科学信息技术正快速发展,其中包含互联网、大数据等技术,全世界目前正席卷着一股以“大数据技术”为主流的信息化浪潮,以此为契机进行海洋工程腐蚀大数据预测可视化平台的建设工作。可视化平台采用计算机网络技术以界面形式向工作人员进行展示,减少平台建设成本的支出,并无需开发客户端软件,极大降低了开发和后期维护成本,同时也方便日后的功能扩展。操作界面为标准的网页界面,友好、简单、易于操作,并且能够实现基于大数据技术的数据共享功能。同时在该平台中嵌入腐蚀预测模型,为提高海洋工程材料腐蚀速率预测的精度,提出了一种基于遗传算法(GA)优化back propagation(BP)神经网络的海洋工程腐蚀速率预测模型。通过遗传算法对BP神经网络的权值和阈值进行优化,利用优化后的BP神经网络模型对海洋工程试验数据进行预测。GA-BP模型选取具... 

【文章来源】:青岛科技大学山东省

【文章页数】:70 页

【学位级别】:硕士

【部分图文】:

基于大数据技术的海洋工程腐蚀预测研究


Hadoop及其子项目Fig.2-1Hadoopanditssub-projects图2-1是Hadoop及其周围的一些插件,虚线部分是Hadoop应用的两大板;

子项目,插件,虚线,大数


基于大数据技术的海洋工程腐蚀预测研究10图2-1Hadoop及其子项目Fig.2-1Hadoopanditssub-projects图2-1是Hadoop及其周围的一些插件,虚线部分是Hadoop应用的两大板块,离线处理和实时计算板块,通过图2-1也很好地展现了Hadoop及其组件能实现大数据处理的功能,数据源体现了大数据的数据获取部分,第二层为数据接口部分,将数据存储到Hadoop底层的HDFS,大数据技术的数据处理、数据储存和数据挖掘部分主要包含在实时计算和离线处理两个模块中,顶层的可视化则是大数据应用部分。2.2离线分布式处理平台2.2.1离线分布式处理平台的设计通过本文2.1部分对于Hadoop及其子项目的了解,不同的子项目应用于不同的场合,结合海洋工程腐蚀数据特点,设计一个离线分布式处理平台,该处理平台是以Hadoop平台技术为基础,以并行/分布式架构为主,结合相应的计算框架,来满足数据存储及数据对平台服务的要求[31-32]。如图2-2所示,在部署进行实验数据处理的计算平台时,其中主要包括三个部分:数据采集层、数据分析层和数据存储层。

数据,平台,特高压,分布式处理


青岛科技大学研究生学位论文11图2-2离线分布式处理平台Fig.2-2Offlinedistributedprocessingplatform数据采集层主要负责数据的来源,对于特高压断路器来说,主要通过实验中的测量传感器来获得,然后传输给计算平台,传感器测量的数据可能无法直接进行数据分析处理,因此需要进行数据的预处理,然后传递到数据存储层。数据存储层,在拥有数据量巨大的非结构化及半结构化的数据可用开源框架HBase进行储存,完全分布式系统下的HBase运行基于HDFS文件系统,并将数据传递给数据处理层进行处理。ZooKeeper为整个平台提供协调服务。数据处理层是整个平台的关键部分,该部分能够将数据量庞大的半结构化及非结构化数据利用数据挖掘技术进行处理,能够获取关系型数据并使处理结果可视化,通过查看处理结果,得出一些决策性结论。2.2.2分布式文件系统HDFSHDFS[33-35]是Hadoop的核心技术之-一,为其它所有组件提供基础的存储与

【参考文献】:
期刊论文
[1]304不锈钢在青岛污染海洋大气环境中的腐蚀寿命预测模型[J]. 陈俊航,白子恒,薛伟,吴俊升,董超芳,肖葵.  材料保护. 2019(12)
[2]神经网络预测海洋环境下金属腐蚀速率的应用及研究[J]. 马良涛,董海防,朱刚,李进.  材料保护. 2018(09)
[3]GA-BP神经网络预测金属腐蚀速率[J]. 向乃瑞,闫海,王炜,刘闯,陈思凡.  电力学报. 2018(01)
[4]碳钢、低合金钢材料在我国海洋环境中的腐蚀数据[J]. 亓云飞,董彩常,杨万国.  全面腐蚀控制. 2017(01)
[5]BP人工神经网络对国内典型地区碳钢土壤腐蚀的预测研究[J]. 李丽,李晓刚,邢士波,董超芳,杜翠薇.  腐蚀科学与防护技术. 2013(05)
[6]人工神经网络在我国海水腐蚀中的应用[J]. 宋伟伟,董彩常,张波.  腐蚀与防护. 2012(08)
[7]地下管道腐蚀与防护数据库及预测系统[J]. 孙成,齐文元,林文孚,许进,王福会,于长坤.  全面腐蚀控制. 2010(09)
[8]基于BP神经网络的输油管道内腐蚀速率预测模型[J]. 胡松青,石鑫,胡建春,任振甲,郭爱玲,高元军.  油气储运. 2010(06)
[9]GA-BP人工神经网络应用于海底腐蚀管道极限承载力的研究[J]. 李昕,王原嵩,陈严飞.  中国海洋平台. 2009(04)
[10]基于网络的材料腐蚀失效案例库的设计与实现[J]. 王彦波,吴明,王卫强,王东冬,刘少山.  腐蚀与防护. 2009(01)

博士论文
[1]耐候钢在南海海洋大气环境下的腐蚀行为研究[D]. 黄涛.钢铁研究总院 2018
[2]海洋环境工程钢材腐蚀行为与预测模型的研究[D]. 刘学庆.中国科学院研究生院(海洋研究所) 2004

硕士论文
[1]基于元数据管理的防腐蚀设计技术网络数据库建设[D]. 赵进.机械科学研究总院 2007
[2]用组合人工神经网络方法实现海水腐蚀的现场快速检测[D]. 孔涛.中国海洋大学 2007



本文编号:3036872

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3036872.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户937b6***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com