Al基非晶合金表征参数的支持向量回归分析

中国有色金属学报, 2016, 26(4): 836-843.

Al基非晶合金表征参数的支持向量回归分析

徐燕 ^1, , 张玉凤 ^2, , 高湉 ^3, , 张研 ^4, , 张惠然 ^5, , 刘永生 ^6,

1.上海电力学院数理学院,上海,201399

2.上海电力学院数理学院,上海,201399

3.上海电力学院数理学院,上海,201399

4.上海大学计算机工程与科学学院,上海,200444

5.上海大学计算机工程与科学学院,上海,200444

6.上海电力学院数理学院,上海,201399

基金项目: 上海市教育发展基金会晨光计划资助项目(12CG63)Project(12ZZ174) supported by Innovation Program of Shanghai Municipal Education Commission,China 上海市教委科研创新资助项目(12ZZ174) Project(12CG63) supported by Shanghai Educational Development Foundation of Chenguang Program,China

关键词： Al基非晶合金 , 晶化温度 , 支持向量回归 , 粒子群优化

Parameters analysis of Al-based amorphous alloys using support vector regression

Keywords： Al-based , amorphous , alloy , crystallization

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.

参考文献

[1]	K L SAHOO;RINA SAHU;M GHOSH.Studies on crystallization behaviour and mechanical properties of Al-Ni-La metallic glasses[J].Bulletin of Materials Science,20083(3):433-439.
[2]	盈亮;戴明华;胡平;闫巧云.6061-T6铝合金高温本构模型及温成形数值模拟[J].中国有色金属学报,2015(7):1815-1821.
[3]	李永飞;王英敏;耿遥祥;王传龙;韩凯明;羌建兵;高晓霞;米少波;王清;董闯;孙继忠.Ni 60 Nb 40与Ni 40 Nb 60非晶合金的低温晶化行为[J].中国有色金属学报,2014(10):2588-2593.
[4]	Z. Zhang;W. Zhou;X.Z. Xiong.Glass forming ability and primary crystallization behavior of Al-Ni-Ce alloys[J].Intermetallics,2012:1-6.
[5]	JIA Ran;IAN XiuFang;(U) XiaoQian;ONG KaiKai;I XueLian.The relationship between viscosity and glass forming ability of Al-(Ni)-Yb alloy systems[J].中国科学：物理学力学天文学（英文版）,2010(3):390-393.
[6]	张章;熊贤仲;乙姣姣;李金富.Al-Ni-RE 非晶合金的晶化行为和热稳定性*[J].物理学报,2013(13):136401-1-136401-8.
[7]	徐戎;李落星;张立强;朱必武;卜晓兵.金属型铸造界面换热系数峰值预测模型的建立和验证[J].中国有色金属学报,2014(4):950-957.
[8]	Cai CZ.;Wang WL.;Sun LZ.;Chen YZ..Protein function classification via support vector machine approach[J].Mathematical Biosciences: An International Journal,20032(2):111-122.
[9]	温玉锋;蔡从中;裴军芳;朱星键;肖婷婷.R2O-MO-Al2O3-SiO2玻璃配方与热膨胀系数关系的支持向量回归研究[J].功能材料,2009(1):66-70,74.
[10]	Abuomar, O.;Nouranian, S.;King, R.;Ricks, T. M.;Lacy, T. E..Comprehensive mechanical property classification of vapor-grown carbon nanofiber/vinyl ester nanocomposites using support vector machines[J].Computational Materials Science,2015:316-325.
[11]	Majid, A.;Khan, A.;Javed, G.;Mirza, A.M..Lattice constant prediction of cubic and monoclinic perovskites using neural networks and support vector regression[J].Computational Materials Science,20102(2):363-372.
[12]	Owolabi, Taoreed O.;Akande, Kabiru O.;Olatunji, Sunday O..Development and validation of surface energies estimator (SEE) using computational intelligence technique[J].Computational Materials Science,2015:143-151.
[13]	Peng S;Xu Q;Ling XB;Peng X;Du W;Chen L.Molecular classification of cancer types from microarray data using the combination of genetic algorithms and support vector machines.[J].FEBS Letters,20032(2):358-362.

上一张下一张

计量

下载量()
访问量()

作者相关

文章评分

您的评分：
1

0%
2

0%
3

0%
4

0%
5

0%

材料期刊网