A support vector machine‐based ensemble algorithm for pitting corrosion modeling of EN 1.4404 stainless steel in sodium chloride solutions

Abstract

En este trabajo se evalúa la resistencia del acero inoxidable en diferentes condiciones medioambientales, analizando el efecto de la temperatura, la acidez y la concentración de cloruros sobre el comportamiento del material mediante un modelo basado en máquinas de soporte vectorial. Se incluye en el modelo una etapa de selección de características para mejorar la capacidad predictiva. Los excelentes resultados en la predicción del modelo permiten emplearlo para analizar la influencia de las variables medioambientales sobre el potencial de rotura y el estado de corrosión por picadura del acero inoxidable, convirtiéndolo en una herramienta práctica para conocer el tiempo de vida útil del material bajo determinadas circunstancias. De acuerdo con los resultados, se puede concluir que el potencial de rotura es la variable principal a tener en cuenta en la resistencia a la corrosión por picadura del acero, mientras que la temperatura resultó ser la más influyente en su potencial de rotura.

The resistance to localized corrosion of stainless steel in sodium chloride solutions is evaluated at different conditions. The effects of chloride ion concentration, acidity, and temperature on pitting corrosion resistance are analyzed. In order to develop a model capable of predicting pitting corrosion behavior of EN 1.4404 by an automatic way, a support vector machine-based ensemble algorithm is proposed. An additional step related to feature selection is included in the model in order to improve the prediction capability. According to the excellent prediction results, the support vector machines (SVM) model is used to perform a sensitivity analysis for the purpose of analyzing the influence of the environmental variables on the breakdown potential and the pitting corrosion status modeling of this grade of stainless steel. Based on this analysis, it can be concluded that the breakdown potential is the main variable to be considered in pitting corrosion modeling whereas temperature is the most important one for breakdown potential modeling.