Al基非晶合金表征参数的支持向量回归分析
根据一系列Al基非晶合金薄带实测数据集,应用粒子群优化支持向量回归方法(PSO-SVR),建立一个通过相关表征参数来预测Al基非晶合金晶化温度(Tx)的模型.利用该模型对不同类型铝基非晶合金的晶化温度(Tx)进行建模和预测研究,并与反向传播神经网络(BPNN)预测方法进行比较.结果表明:基于留一交叉验证法(LOOCV)的PSO-SVR模型预测的晶化温度误差要比BPNN模型预测的小得多,这说明模型中所采用的特征参数能很好地描述该系列Al基非晶合金的晶化行为和热稳定性.
Al基非晶合金、晶化温度、支持向量回归、粒子群优化
26
TB34(工程材料学)
上海市教委科研创新资助项目12ZZ174;上海市教育发展基金会晨光计划资助项目12CG63Project12ZZ174 supported by Innovation Program of Shanghai Municipal Education Commission,China;Project12CG63 supported by Shanghai Educational Development Foundation of Chenguang Program,China
2016-07-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
836-843