用人工神经网络模型预测钢的奥氏体形成温度

摘要：

根据收集的实验数据,建立了预测钢的奥氏体形成温度(Ac1和Ac3点)的反向传播人工神经网络模型.用散点图和均方误差、相对均方误差和拟合分值三个统计学指标评价模型的预测性能.人工神经网络预测Ac3和Ac1的三个统计学指标分别为23.8℃,14.6℃;2.89%,2.06%和1.8921,1.7011.散点图和统计学指标均显示:人工神经网络的预测性能优于Andrews公式.此外,用人工神经网络分析了C和Mn的含量对Ac1和Ac3温度的定量影响,计算结果显示,C和Mn含量与Ac3和Ac1点间存在非线性关系,这主要是由于钢中合金元素间存在的相互作用造成的.

关键词：钢的奥氏体形成温度、人工神经网络、预测性能、合金元素、定量影响

所属期刊栏目：40

分类号：TG142.1(金属学与热处理)

资助基金：国家高技术研究发展计划863计划2003AA331040

在线出版日期：2005-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1133-1137