唐江凌
,
蔡从中
,
肖婷婷
,
皇思洁
材料热处理学报
根据Zr-2合金的晶粒尺寸在不同热工艺参数(变形温度、变形程度、变形速率)下的12组实测数据,应用基于粒子群算法寻找最优参数的支持向量回归方法,建立了合金晶粒尺寸的预测模型.通过与模糊神经网络模型的结果进行比较,结果表明:基于相同的试验样本,支持向量回归预测模型的平均绝对误差和平均绝对百分误差都比模糊神经网络预测模型的小,而复相关系数大.这说明,支持向量回归预测模型预测精度比模糊神经网络模型要高,是简单而精确的建模方法,可用于优化热加工参数.
关键词:
支持向量机
,
模糊神经网络
,
粒子群择优
,
Zr-2合金
,
晶粒尺寸
唐江凌
,
蔡从中
,
皇思洁
,
肖婷婷
航空材料学报
doi:10.3969/j.issn.1005-5053.2012.5.016
为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.
关键词:
Al-Cu-Mg-Ag合金
,
强度
,
支持向量回归
,
粒子群优化
,
回归分析
