基于人工神经网络的材料力学性能的预测与评估

• 作者: 孙国雄 蔡安辉
• 来源期刊: 铸造
• 学科: 工学
• 关键词: BP神经网络 力学性能 预测 评估 正交实验
• 年，卷（期）: 2003,（4）
• 所属期刊栏目: 计算机应用
• 页码范围: 269-271
• 页数: 3页
• 分类号: TG146|TG113.2
• 字数: 3211字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-4977.2003.04.013

摘要

以白口铸铁力学性能与成分的关系为研究对象,以L9(34)型正交实验数据作为训练学习样本,以与正交实验成分有关的任意6个样本作为预测与评估样本,用学习率为0.5的一层10节点隐含层的BP神经网络进行了预测和评估,结果表明不加评估方案时,训练12913次,其最大误差不超过8%;在加评估方案时,训练了34919次,其最大误差为19.74%.因此,用正交实验测得的数据作为样本进行训练学习,可以对与正交实验成分有关的其余样本进行预测与评估,结果是令人满意的、现实的、可行的.人工神经网络与正交实验相结合,能大大节省时间和费用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙国雄	东南大学机械工程系	125	1546	22.0	31.0
2	蔡安辉	东南大学机械工程系	8	104	6.0	8.0