刘利军
,
李东波
,
彭金辉
,
郭胜惠
,
张利波
,
陈菓
材料导报
针对微波加热制备部分稳定氧化锆过程的非线性、多变量、时变等复杂特点,运用机器学习方法中的LM-BP神经网络和支持向量机(SVM),以保温温度、升温速率、保温时间、降温速率和淬火温度作为输入量,稳定率为输出值,建立了微波加热制备部分稳定氧化锆的稳定率预测模型.分别利用两种预测模型进行稳定率的预测,通过与稳定率的测量值对比分析表明,两者均具有良好的预测能力,但SVM模型具有较高的预测精度.
关键词:
部分稳定氧化锆
,
微波
,
稳定性
,
LM-BP神经网络
,
支持向量机(SVM)
,
预测
