Modelagem de aprendizado de máquina de taxas preditivas de corrosão externa de recipientes de aço carbono de combustível nuclear irradiado no solo

Aug 30, 2023

Scientific Reports volume 12, Artigo número: 20281 (2022) Citar este artigo

1017 Acessos

3 Altmétrico

Detalhes das métricas

A corrosão do solo é sempre uma preocupação crítica para a engenharia da corrosão devido à influência económica das infra-estruturas do solo, como tem sido e tem sido recentemente o foco dos recipientes de combustível nuclear irradiado. Além da proteção contra corrosão, a previsão de corrosão do canister também é importante. O conhecimento avançado da taxa de corrosão do material do cartucho de combustível nuclear irradiado em um ambiente específico pode ser extremamente útil na escolha do melhor método de proteção. A aplicação do aprendizado de máquina (ML) à previsão da taxa de corrosão resolve todos os desafios devido ao número de variáveis ​​que afetam a corrosão do solo. Neste estudo, vários algoritmos de ML, incluindo série individual, boosting, ensaque rede neural artificial (ANN), série individual, boosting, ensaque decisão de árvore de detecção automática de interação qui-quadrada (CHAID), regressão linear (LR) e um aprendizado conjunto (EL) mescla a melhor opção que coleta dos 3 métodos de algoritmo acima. A partir do desempenho de cada modelo, encontrar o modelo com maior precisão é o método de empilhamento de conjunto. As matrizes médias de desempenho de erros absolutos são mostradas na Fig. 15. Além de aplicar ML, a significância das variáveis ​​de entrada também foi determinada através de análise de sensibilidade usando o critério de importância da característica, e a taxa de corrosão do aço carbono é a mais sensível à temperatura e ao cloreto.

A corrosão do solo tem recebido muita atenção porque existem muitos casos de infra-estruturas subterrâneas, tais como recipientes de combustível nuclear irradiado contendo resíduos nucleares1,2,3,4. Esta infraestrutura é essencial e desempenha um papel importante na vida moderna. A preservação a longo prazo dos resíduos radioativos continua a ser um grande desafio em todo o mundo. O combustível nesses sistemas e naqueles que serão descarregados pode precisar ser armazenado por períodos de até 100 anos. Existem muitos tipos de recipientes usados ​​para armazenamento subterrâneo de resíduos, como aço carbono, aço inoxidável, ligas de níquel e ligas de titânio... se o recipiente estiver corroído, rachado e não puder ser substituído após um longo período de tempo, terá um impacto econômico significativo5 . Conhecer antecipadamente a taxa de corrosão do metal e as propriedades do solo é muito útil para os engenheiros encontrarem métodos de proteção adequados para a tubulação6,7,8,9. No entanto, prever a taxa de corrosão em ambientes complexos como o solo não é fácil porque o ambiente do solo tem muitos factores que afectam a taxa de corrosão, incluindo a concentração química na água do solo, a humidade do solo e a estrutura do solo10. Matteo Stefanoni et al. publicaram um estudo de muito sucesso descrevendo uma equação que pode prever a taxa de corrosão em função da porosidade na qual a água preenche os vazios do solo . Mohamed El Amine Ben Seghier et al. previu a taxa de corrosão interna de oleodutos e gasodutos13. No entanto, nenhum pesquisador estudou os fatores que afetam a taxa de corrosão externa de metais subterrâneos com base na composição da solução do solo e na sua temperatura.

No mundo moderno, quase todas as tarefas manuais podem ser automatizadas utilizando algoritmos de aprendizagem automática14. O aprendizado de máquina (ML) tem uma ampla gama de aplicações industriais potenciais15,16. O método de aprendizado de máquina é adequado para modelos preditivos com diversas variáveis17. Recentemente, muitos campos científicos aplicaram o aprendizado de máquina à previsão multidisciplinar17,18,19. Mesmo no campo da corrosão, muitos cientistas aplicaram o aprendizado de máquina para prever a taxa de corrosão na atmosfera, o desempenho dos inibidores de corrosão e o comportamento da corrosão20,21,22,23,24. No entanto, não existem muitos estudos que se concentrem na previsão da taxa de corrosão de recipientes de aço carbono no ambiente do solo. Nossos estudos anteriores envolveram a previsão da taxa de corrosão do aço carbono com base na influência do pH, cloreto e concentração de sulfato da solução do solo, usando um método de superfície de resposta (RSM)10 e pH, cloreto, temperatura da solução do solo com diferentes faixas investigadas. valores usando RSM e uma rede neural artificial (RNA)25. A limitação de nossos estudos anteriores é que existem apenas três fatores corrosivos.