用人工神经网络模型预测钢的奥氏体形成温度

• 作者: 方鸿生 由伟 白秉哲 谢锡善
• 来源期刊: 金属学报
• 学科: 工学
• 关键词: 钢的奥氏体形成温度 人工神经网络 预测性能 合金元素 定量影响
• 年，卷（期）: 2004,（11）
• 页码范围: 1133-1137
• 页数: 5页
• 分类号: TG142.1
• 字数: 3370字
• 语种: 中文
• DOI: 10.3321/j.issn:0412-1961.2004.11.003

摘要

根据收集的实验数据,建立了预测钢的奥氏体形成温度(Ac1和Ac3点)的反向传播人工神经网络模型.用散点图和均方误差、相对均方误差和拟合分值三个统计学指标评价模型的预测性能.人工神经网络预测Ac3和Ac1的三个统计学指标分别为23.8℃,14.6℃;2.89%,2.06%和1.8921,1.7011.散点图和统计学指标均显示:人工神经网络的预测性能优于Andrews公式.此外,用人工神经网络分析了C和Mn的含量对Ac1和Ac3温度的定量影响,计算结果显示,C和Mn含量与Ac3和Ac1点间存在非线性关系,这主要是由于钢中合金元素间存在的相互作用造成的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢锡善	北京科技大学材料科学与工程学院	140	1956	22.0	36.0
2	方鸿生	清华大学材料科学与工程系	74	1356	21.0	34.0
3	白秉哲	清华大学材料科学与工程系	72	1077	18.0	30.0
4	由伟	北京科技大学材料科学与工程学院	1	9	1.0	1.0