example目录结构

• corrosion_data.csv: 真实腐蚀数据，列包含数值与类别特征以及目标列 corrosion_rate
• data/utils.py: 数据工具
  • 读取/生成表格数据（CSV）与时序数据（NPZ）
  • 加载腐蚀数据并完成数值标准化、类别独热编码、训练/测试划分
• bp_mlp/, svm/, random_forest/, elm/: 传统ML模型示例（表格回归）
• lstm/, gru/, cnn/: 深度学习时序示例（合成序列，演示用）
• requirements.txt: 依赖

环境依赖

pip install -r examples/requirements.txt

数据说明（腐蚀数据）

• 目标列：corrosion_rate
• 数值列：temperature, pressure, flow_rate, Cl_conc, pH, O2_content, CO2_conc, H2S_conc, pipe_age
• 类别列：material, coating, corrosion_type

数据加载流程位于 examples/data/utils.py：

• 数值列使用 StandardScaler
• 类别列使用 OneHotEncoder(handle_unknown='ignore')
• 默认 80%/20% 训练/测试拆分

当找不到或解析失败时，示例会自动回退使用假数据

运行方式（传统 ML：表格回归）

以下脚本将优先读取 examples/corrosion_data.csv：

输出包含测试集 MSE 与 R2。

运行方式（深度学习：时序示例）

当前 LSTM/GRU/CNN 使用合成单变量序列做一步预测，仅作模型结构演示，如需将真实腐蚀数据改造为时序窗口（按时间或管段序号滑窗）

FAQ

• 找不到 corrosion_data.csv？
  • 确认文件存在于 examples/ 目录下；脚本已使用绝对路径拼接，无需 cd 到特定目录。
• 类别列被当成数值？
  • 工具已在加载时强制将类别列转为字符串，仍有异常请检查源CSV是否有空列名或混合类型。
• TensorFlow 安装较慢或不需要深度学习示例？
  • 可仅安装 scikit-learn 相关依赖，或跳过运行 LSTM/GRU/CNN。