[发明专利]一种基于KNN智能算法的金属腐蚀分布图绘制方法

权利要求书

1.一种基于KNN智能算法的金属腐蚀分布图绘制方法，其特征在于包括以下步骤：

步骤S1：获取多个地点的金属腐蚀速率数据，并将多个地点的金属腐蚀速率数据划分为训练样本集和测试样本集；

步骤S2：基于KNN算法对训练样本集和测试样本进行处理，建立金属腐蚀模型；

步骤S3：基于拟合优度测试和评估所述金属腐蚀模型的预测效果，根据预测效果对模型参数进行优化调整，直至拟合优度数值＞0.8，计算金属腐蚀预测结果，绘制金属腐蚀预测分布图；

步骤S4：提取多个地点的腐蚀介质数据，根据腐蚀介质数据绘制腐蚀介质分布图；

步骤S5：将所述金属腐蚀预测分布图与所述腐蚀介质分布图叠加合成得到金属腐蚀分布图。

2.根据权利要求1所述的基于KNN智能算法的金属腐蚀分布图绘制方法，其特征在于：步骤S2中，基于KNN算法对训练样本集和测试样本进行处理，建立金属腐蚀模型，包括：

步骤S2.1：计算测试样本集中的每个测试样本与训练样本集中的所有训练样本的距离，所述距离的计算公式为：

其中，为第i个测试样本，为第i个测试样本的第l个金属腐蚀速率数据，为第j个训练样本，为第j个训练样本的第l个金属腐蚀速率数据，L为训练样本集的样本数量；

步骤S2.2：按每个测试样本与训练样本集中的所有训练样本的距离由小至大的优先级，从训练样本集中选取前K个训练样本；

步骤S2.3：判断K个训练样本的金属腐蚀等级，选取K个训练样本中数量最多的金属腐蚀等级类别记为C_max，并将其作为第i个测试样本的金属腐蚀预测结果。

3.根据权利要求1所述的基于KNN智能算法的金属腐蚀分布图绘制方法，其特征在于：步骤S3所述的拟合优度计算公式为：

其中，z为金属腐蚀数据真值，为金属腐蚀模型的预测结果，为真值的平均值，N为金属腐蚀模型预测结果数量。

4.根据权利要求1所述的基于KNN智能算法的金属腐蚀分布图绘制方法，其特征在于：步骤S4所述的腐蚀介质数据包括大气中的盐雾浓度、硫化氢浓度、二氧化硫浓度、二氧化氮浓度。

5.根据权利要求1所述的基于KNN智能算法的金属腐蚀分布图绘制方法，其特征在于：步骤S5所述的金属腐蚀分布图叠加合成方法包括以下步骤：

步骤S5.1：将所述金属腐蚀预测分布图与腐蚀介质分布图合成矩阵，然后进行叠加；

步骤S5.2：以叠加后的灰度值进行绘图；

步骤S5.3：按照灰度值中的亮度值进行配色进而形成金属腐蚀分布图。