熊渊
,
孟令启
钢铁研究学报
以凸轮式高速形变试验机得到的试验数据为基础,利用Matlab人工神经网络工具箱,建立了轴承钢的变形抗力与其化学成分、变形温度、变形速率及变形程度对应关系的RBF神经网络预测模型.分析了变形温度和变形速率对轧制压力网络模型精度的影响.得出随着变形温度的增加,网络的预测误差逐渐增大;随着变形速率的增大,网络的预测误差逐渐减小的结论.通过与BP网络和Elman网络模型相比较,结果表明,RBF网络模型具有更高的精度和较强的泛化能力.
关键词:
RBF
,
神经网络
,
变形抗力
,
预测
张帆
,
魏国
,
庞巍
,
高强健
,
陈伟亮
,
温秋林
,
杜钢
材料与冶金学报
分析烧结生产中影响烧结矿FeO含量的众多因素,选择碱度、配煤量、一次温度、制粒效果、加水量、料层厚度、点火温度、煤气流量等8个工艺参数以及4种矿粉配比作为FeO含量预报模型的输入变量.分别采用BP神经网络、RBF神经网络、SVM 3种进行建模预测.预测结果表明,SVM预测性能优于BP神经网络,RBF神经网络优于SVM.
关键词:
FeO含量预测
,
BP
,
SVM
,
RBF
