本毕业设计所选课题的名称为基于机器学习技术的深海金属腐蚀数学建模系统。

随着经济建设的飞速发展以及科学技术水平的逐步提高，我国对于海洋的开发有了突飞猛进的发展，海洋构筑物也越来越多。21 世纪是人类开发利用新环境、新资源的时代，而深海资源也已得到了人们的广泛利用。但水下的环境与陆地环境极其不同，多数用于陆地上的技术无法同样应用于深海工程。由于海水中富含氯离子及各种盐类，加以深海环境下静水压力的作用，深海金属结构设施的腐蚀也成为了人们日益关注的问题。因此，研究深海环境中的腐蚀规律及控制腐蚀的方法，对延长深海金属结构设施的使用寿命，保证深海构筑物的正常运行和安全使用，以及促进海洋经济的发展具有十分重要的意义。

深海环境是一种苛刻的腐蚀环境，尤其对于金属而言是高腐蚀性环境，其中的氧浓度、光照量、pH、温度、盐度、流速等条件与浅海环境中大不相同。中国船舶重工集团公司第七二五所青岛分部的侯建等[1]研究了深海环境因素对碳钢的腐蚀行为的影响，得出碳钢和低合金钢在深海环境中的腐蚀速率与温度、溶解氧、盐度、pH 等海水环境因素密切相关。

金属在自然环境中大多以化合物形式存在，譬如氧化物、碳酸盐和硫化物等。人们通过冶炼技术，消耗能量从这些化合物中提炼出性能优异的金属材料，并应用于生活的方方面面。提炼出来的金属材料相对于其自然界中化合物形式，处于更高能量的相对不稳定态。腐蚀是金属与其所在环境（通常为自然环境）之间发生化学反应，缓慢由不稳定态回归其自然稳定状态的过程。该过程伴随着结构材料的退化，对社会发展造成的危害十分严重。首先，腐蚀会直接缩短金属材料的使用寿命，造成巨大的经济损失。我国由腐蚀造成的年经济损失达2.1万亿元（2014年），约占当年GDP的3.34％[2]。全世界每年因腐蚀造成的损失约为2.5万亿美元（2013年）[3]。腐蚀的影响不仅仅是GDP占比可以衡量的。由腐蚀引发的化学物质泄漏会导致严重的环境污染。近年来因腐蚀引发的管道泄漏，以及随之发生的次生灾害屡见不鲜。典型的，如2013年发生的福岛核电站辐射水因腐蚀发生的泄漏事件[4]。完全修复该起事件导致的环境污染需要40年事件，并花费高达1000亿美元。除此之外，腐蚀也会影响民用建筑、景点以及生活用品等的美观和使用，对人体健康和出行安全等造成严重威胁。腐蚀还对文物古迹、国家安全等产生严重影响。随着我国基础建设的飞速发展，特别是国家海洋战略的不断推进，国家对材料腐蚀问题愈发重视。事实上，腐蚀已经成为国家“一带一路”倡议实施的绊脚石，“21 世纪海上丝绸之路”沿线的东南亚、印度洋沿岸等地区都面临着严重的腐蚀问题。吴在最近发表的报告中，详细地总结分析了腐蚀对我国经济、环境、国防等各方面产生的严重影响[5]。2015年5月，国务院印发的《中国制造2025》[6]，明确指出十项重点发展领域，其中有多项涉及腐蚀研究，譬如新材料、海洋工程装备及高技术船舶、节能环保装备和资源循环利用等都和腐蚀相关。

1.1 研究目的

数据是没有任何价值的，但是隐藏在数据之下的信息却非常宝贵。大数据时代下的机器学习与数据挖掘技术能够根据给定的学习准则，从历史经验和样本数据中“学习”有用信息，形成知识，然后将这些知识应用到不同的场景之下，如关联分析、分类与回归预测等[7]。机器学习不仅与数据有关，而且关乎人工智能，智能体现在变化环境下具有学习的能力，即能够识别变化，适应变化。再加上，机器学习能够通过结构化的学习手段来避免“过学习”与“欠学习”问题；采用特征学习的方式，为对结果“贡献”较大的成因分配较高的权重；以核函数的机制将低维非线性解空间，映射到高维线性空间中去，解决非线性问题求解复杂性等问题；同时非平衡的学习方式亦能解决样本分布不均匀的问题。受启发于机器学习的诸多优点，本论文力求能够应用机器学习手段构建能够适应变化环境的径流预测模型，并搭建基于机器学习的径流预测系统，来适应不同的应用需求，实现径流的动态适用性预测[8]。

1.2 国内外研究现状分析

基于数据的机器学习是现代智能技术中的重要方面,研究从观测数据(样本)出发寻找统计规律,并利用这些规律对未来数据或无法观测的数据进行预测。