基于 XGBoost 特征重要度的储罐缺陷 ANN 面积量化模型

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%。