基于SVM和BP神经网络的部分稳定氧化锆稳定率预测方法

摘要：

由于部分稳定氧化锫具有优良的物理化学性能,在冶金及材料中有着重要的地位,稳定率是部分稳定氧化锫产品性能的一个重要指标.而部分稳定氧化锆的制备过程具有非线性、多变量、时变等特点,本文采用了支持向量机( SVM)及BP神经网络方法对部分稳定氧化锆的稳定率进行了预测.将热处理温度、保温时间、降温速率、淬火温度及升温速率5个指标(参数)作为模型输入量,部分稳定氧化锆的稳定率作为输出值,分别以48组实验数据作为学习样本,并建立模型,运用该模型预测了5组部分稳定氧化锫的稳定率.实验结果表明,2种模型均具有较好的预测能力,人工神经网络模型预测结果平均误差为1.48％,支持向量机模型预测结果平均误差为0.68％,并且支持向量机预测部分稳定氧化锆的稳定率精度更高,可在实际生产过程中推广应用.

关键词：部分稳定氧化锆、稳定性、预测、支持向量机、BP神经网络

所属期刊栏目：35

分类号：TG146.4;TP18(金属学与热处理)

资助基金：国家重点基础研究发展计划973计划项目2007CB613606

在线出版日期：2012-01-15（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：759-763