基于参数优选的人工神经网络的Mg-Al-Ca系铸态合金晶粒尺寸预测模型
来源期刊：材料导报2011年第18期
论文作者：刘彬 汤爱涛 潘复生 熊姝涛
文章页码：117 - 120
关键词：镁合金;晶粒尺寸;人工神经网络;预测模型;全排列组合训练;
摘 要：基于全排列组合训练优选的建模参数,建立了铸态Mg-Al-Ca系合金的人工神经网络晶粒尺寸预测模型。对比传统试探法参数所建模型,该模型具有更高的平均相关系数和更低的平均误差,对检验数据的平均预测误差为6%。此外,通过模型预测了不同Al、Ca含量对Mg-Al-Ca系铸态合金晶粒尺寸的影响。结果表明,当Al含量在2.0%～3.0%、Ca含量在2.5%～3.5%时,可获得晶粒较小的Mg-Al-Ca系铸态合金,其尺寸约为150μm。预测结果和实验结果相吻合。
刘彬1，汤爱涛1,2，潘复生1,2，熊姝涛1
1. 重庆大学材料科学与工程学院2. 重庆大学国家镁合金工程技术研究中心
摘 要：基于全排列组合训练优选的建模参数,建立了铸态Mg-Al-Ca系合金的人工神经网络晶粒尺寸预测模型。对比传统试探法参数所建模型,该模型具有更高的平均相关系数和更低的平均误差,对检验数据的平均预测误差为6%。此外,通过模型预测了不同Al、Ca含量对Mg-Al-Ca系铸态合金晶粒尺寸的影响。结果表明,当Al含量在2.0%～3.0%、Ca含量在2.5%～3.5%时,可获得晶粒较小的Mg-Al-Ca系铸态合金,其尺寸约为150μm。预测结果和实验结果相吻合。
关键词：镁合金;晶粒尺寸;人工神经网络;预测模型;全排列组合训练;
