Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/5857
標題: 應用類神經網路預測臺灣工業區碳鋼大氣腐蝕速率
Predicting atmospheric corrosion rates of carbon steels in Taiwan industrial zones using artificial neural network
作者: 林祥騰
Lin, Hsiang-Teng
關鍵字: 大氣腐蝕;atmospheric corrosion;類神經網路;主成份分析;因素分析;複迴歸分析;碳鋼;artificial neural network;principal component analysis;factor analysis;multiple linear regression;carbon steel
出版社: 環境工程學系所
引用: 吳明隆,「SPSS統計應用實務」,松岡電腦圖書資料股份有限公司,2000年。 林佳全,「碳鋼及鋼筋在海水環境下腐蝕及機械性質之研究」,碩士論文,國立成功大學機械工程研究所,2003年。 林修平,「主成份分析及類神經網路應用於工業區污水處理廠之水質預測」,碩士論文,立德管理學院資源環境學系碩士班,2006年。 林伊澤,「飛來鹽分環境下鋼筋混凝土結構防蝕性能導向研究」,碩士論文,國立高雄第一科技大學營建工程研究所,2008年。 周淑芳,「台灣地區鋅金屬腐蝕速率迴歸分析與鹽霧試驗之模擬比對」,碩士論文,國立台灣科技大學機械工程系,2011。 邱永芳、羅建明、陳桂清、柯正龍,「臺灣大氣腐蝕劣化因子調查研究資料年報(2009~2010)」,交通部運輸研究所,2012。 涂曉娟、蔣昌琪、孔祥琜,「以類神經網路來探討空氣品質限制下火力發電廠擴充策略之研究」,第十六屆環境規劃與管理研討會論文集,第5-10頁,2003年。 陳順宇、鄭碧娥,「統計學」,三版,華泰書局,1998年。 陳景堂,「系統分析:SPSS for Windows入門與應用」,四版,儒林圖書有限公司,2000年。 陳耀茂,「多變量分析導論」,全威圖書有限公司,2002年 陳順宇,「多變量分析」,三版,華泰書局,2004年。 陳立、白子易、黃偉慶等人,「倒傳遞類神經網路預測電弧爐爐渣骨材化學性質對混凝土強度之影響」,第十九屆廢棄物處理技術研討會論文集,第3-4頁,2004年。 陳彥羽、施漢章、鄭暉志、魏豐義、王立華、翁榮洲,「低合金鋼在大氣環境下的腐蝕抗性與機械性質」,防蝕工程,第十九卷,第三期,第369~388頁,2005年。 陳桂清、柯正龍、羅俊雄、羅建明、陳新北、劉益雄、翁榮洲,「臺灣地區大氣腐蝕劣化因子調查研究(1/2)」,交通部運輸研究所,2008。 張耀南、劉宏義、魏豐義,「碳鋼與耐候鋼在多風都市八年半之大氣腐蝕行為研究」,防蝕工程,第十八卷,第一期,第79~86頁,2004年。 張耀南、劉宏義、魏豐義,「碳鋼、耐候鋼與鍍鋅鋼在不同腐蝕環境近十年之大氣腐蝕行為研究」,防蝕工程,第十九卷,第一期,第21~40頁,2005年。 黃俊英,「多變量分析」,華泰文化事業公司,1995年。 黃長靓,「鋼鐵在大氣環境下存在自動催化腐蝕機理的研究」,碩士論文,河北師範大學,2009年。 葉怡成,「類神經網路-模式應用與實作」,儒林圖書公司,1994年。 葉怡成,「應用類神經網路」,儒林圖書公司,1997年。 詹穎雯、楊仲家、陳育聖、張永昌,「臺灣沿海地區大氣中氯鹽量預測模式之研究」,臺灣混凝土學會2009年混凝土工程研討會,paper NO. J-08,2009年。 萬騰州、陳建谷、簡家宏,「應用倒傳遞類神經網路及適應性模糊類神經網路模式預測垃圾焚化廠煙道氣之比較研究」,第十六屆環境規劃與管理研討會論文集,第5-25頁,2003年。 經濟部標準檢驗局,「中華民國國家標準 CNS 13401:金屬及合金之腐蝕 - 大氣腐蝕性之分類」,經濟部標準檢驗局,1994。 經濟部標準檢驗局,「中華民國國家標準 CNS 13754:金屬及合金之腐蝕 - 大氣腐蝕性 - 大氣腐蝕污染物沉積量測定」,經濟部標準檢驗局,1996。 經濟部標準檢驗局,「中華民國國家標準 CNS 14122:金屬及合金之腐蝕 - 大氣腐蝕性 - 試片腐蝕生成物清除法」,經濟部標準檢驗局,1998。 經濟部標準檢驗局,「中華民國國家標 準 CNS 13753:金屬及合金之腐蝕 - 大氣腐蝕性 -大氣腐蝕標準試片腐蝕速率計算」,經濟部標準檢驗局,2005。 廖建隆,「碳鋼材料在二氧化硫環境下之腐蝕可靠度行為之探討」,碩士論文,國立中央大學機械工程研究所,2000年。 鄭家豪,「改良式倒傳遞類神經網路於水庫入流量預報之研究」,碩士論文,國立臺灣大學工學院土木工程學研究所,2008。 蔡嘉和、白子易、陳世偉等人,「以GM(1,1)模型及類神經網路預測工業區廢水處理廠出流水質之比較」,第十六屆環境規劃與管理研討會論文集,第5-14頁,2003年。 謝智華,「出水鐵器維護之研究」,碩士論文,國立雲林科技大學文化資產維護系碩士班,2006年。 蘇博聖,「利用類神經網路探討中部地區臭氧之減量策略」,碩士論文,國立中興大學環境工程學研究所,2007年。 魏豐義、陳文源,「碳鋼和耐候鋼4~8年大氣暴露腐蝕行為研究」,防蝕工程,第五卷,第三期,第38~51頁,1991年。 鐘惠玲,「不同劣化環境對結構用鋼腐蝕行為影響之研究」,碩士論文,中華技術學院土木防災工程研究所,2007。 Cai, J., Cottis, R. A., & Lyon, S. B. (1999). Phenomenological modeling of atmospheric corrosion using an artificial neural network. Corrosion Science, 41, 2001-2030. Cramer, S. D., Matthes, S. D., Covino, Jr., B. S., Bullard, S. J., & Holcomb, G. R. (2002). Environmental factors affecting the atmospheric corrosion of copper. Outdoor atmospheric corrosion, 1421, 245-264. Diaz, V., Lopez, C., & Rivero, S. (2003). Low carbon steel corrosion damage prediction in rural and urban environments. Revista de Metalurgia, 39, 188-193. Diaz, V., & Lopez, C. (2007). Discovering key meteorological variable in atmospheric corrosion through an artificial neural network model. Corrosion Science, 49, 949-962. Feliu, S., Morcillo, M., & Feliu, S. JR. (1993). The prediction of atmospheric corrosion from meterological and pollution parameters-Ⅰ. Annual corrosion. Corrosion Science, 34, 403-414. Feliu, S., Morcillo, M., & Feliu, S. JR. (1993). The prediction of atmospheric corrosion from meterological and pollution parameters-Ⅱ. Long-term forecasts. Corrosion Science, 34, 415-422. Halama, M., Kreislova, K., & Lysebettens, J. V. (2011). Prediction of atmospheric corrosion of carbon steel using artificial neural network model in local geographical regions. Corrosion, 67(6), 065004-1-065004-6. International Organization for Standardization (ISO). (1992a). ISO9223. Corrosion of metals and alloys - Corrosivity of atmospheres - Classification. ISO 9223. Geneva, Switzerland: ISO. International Organization for Standardization (ISO). (1992b). ISO9225. Corrosion of metals and alloys - Corrosivity of atmospheres - Measurement of pollution. ISO 9225. Geneva, Switzerland: ISO. Jančikova, Z., Kreislova, K., Koštial, P., Ružiak, I., & Bogar,M. (2011). Prediction of steel atmospheric corrosion by means of artificial intelligence methods. METAL,18.-20. 5, 1201-1205. Korb, L. J. (1988). Metals Handbook, Ninth Edition:Volume 13 - Corrosion, ASM International. Kenny, E. D., Paredes, R. S. C., Lacerda, L. A., Sica, Y. C., Souza, G. P., & Lazaris, J. (2009). Artificial neural network corrosion modeling for metals in an equatorial climate. Corrosion Science, 51, 2266-2278. Mendoza, A. R., & Corvo, F. (1999). Outdoor and indoor atmospheric corrosion of carbon steel. Corrosion Science, 41, 75-86. Odnevall, I., & Leygraf, C. (1995). Reaction sequences in atmospheric corrosion of zinc. Atmospheric corrosion, 1239, 215-229. Pintos, S., Queipo, N. V., Rincon, O. T., Rincon, A., & Morcillo, M. (2000). Artificial neural network modeling of atmospheric corrosion in the MICAT project. Corrosion Science, 42, 35-52. Roberge, P. R., Klassen, R. D., & Haberecht, P. W. (2002). Atmospheric corrosivity modeling-a review. Materials and Design, 23, 321-330. Summitt, R., & Fink, F. T. (1980). PACER LIME:An environmental corrosion severity classification system. AFWAL-TR-80-4102 Part Ι, Air Force Wright Aeronautical Laboratories, Wright-Patterson AFB, OH. Sabah, A. A., Charles, S. B., Siddiqui, R. A., & Saleh, M. A. (2003). Atmospheric corrosion of metals. JCSE, 5, 1-22. Tidblad, J., Kucera, V., Hick, K., Kuylenstierna, J.,Dawei, Z., Kai Wing, N.G., Saha, D., Das, S. N., Zandi, M., Galang, R., Ramiz, A. M., Pradhan, B. B., Arachchi, W. R., Chantra, W., Hong Lien, L. T., Foax, L. J., Dombo, G., Chissico, M. L., Lungu, C., & Mmari, A. G. (2008). Atmospheric corrosion effects of air pollution on materials and cultural property in Asia and Africa. NACE International, paper no.2682, 1-14.
摘要: 
臺灣由於地理環境特殊,先天上腐蝕情形就比其他地區嚴重;加上近年來工商業急速的發展,工廠林立及車輛數目大幅增加,更使大氣腐蝕的情形進一步惡化。由於大氣腐蝕反應為一複雜的非線性機制,故本研究利用交通部運輸研究所港灣技術研究中心規劃之臺灣腐蝕劣化因子調查研究之數據,並以善於處理非線性問題的類神經網路(Artificial Neural Network, ANN)嘗試建立一套區域性之大氣腐蝕預測模式進行臺灣一般工業區及沿海工業區碳鋼大氣腐蝕速率之預測;亦將ANN分別搭配複迴歸分析、主成份分析及因素分析進行影響大氣腐蝕因子的篩檢,希望能找出較有影響力的因子,依其預測結果相互比較以評斷模式之優劣。最後以ANN建構適合應用於工程防蝕設計的腐蝕等級分類網路。
研究結果顯示,針對臺灣一般工業區大氣腐蝕情況最具影響力的因子為二氧化硫沉積速率,沿海工業區則是二氧化硫沉積速率及氯鹽沉積速率。預測模式結果,不論一般工業區或是沿海工業區其預測效果皆以單純使用ANN最好;且以極值加倍法將極端值加倍能有效的減少ANN對於各腐蝕等級預測之誤差。至於腐蝕等級分類預測方面,ANN可準確的預測沿海工業區之腐蝕等級,對於一般工業區腐蝕等級預測則會有0%~24%之誤判率。

This study employed artificial neural network (ANN) to develop a regional forecasting model to predict atmospheric corrosion rates of carbon steels within general industrial zones and coastal industrial zones in Taiwan. Several statistic techniques, such as multiple linear regression (MLR), principal component analysis (PCA) and factor analysis (FA) are also used to screen the factors that affects atmospheric corrosion rates. Analyzed data are based on the results of metal atmospheric corrosion rates monitoring project executed by Harbor & Marine Technology Center in Taiwan.
The result shows that sulfur dioxide deposition is the most significant factor to impact carbon steel corrosion rate in general industrial zones. However for coastal industrial zones both sulfur dioxide deposition and chloride deposition are significant factors. The results reveal that among the different models utilized in this study, the corrosion rates predicted by ANN have the most accurate performance. Furthermore, duplicating the extreme values of training set data of ANN can reduce the errors of corrosion rates’ prediction. As for corrosion classification predictions, the results show that ANN can accurately predict in coastal industrial zones, but there are up to 24% of misjudgments in general industrial zones.
URI: http://hdl.handle.net/11455/5857
其他識別: U0005-1908201316492500
Appears in Collections:環境工程學系所

Show full item record
 
TAIR Related Article

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.