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
• 来源期刊: 金属热处理
• 学科: 工学
• 关键词: 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,（10）
• 所属期刊栏目: 计算机应用
• 页码范围: 43-47
• 页数: 5页
• 分类号: TP183|TG14
• 字数: 3280字
• 语种: 中文
• DOI: 10.3969/j.issn.0254-6051.2004.10.016

摘要

根据所收集的试验数据,建立了预测钢的奥氏体形成温度Ac3和Ac1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3种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3种统计学指标分别为23.8℃,14.6℃;2.89%,2.06%和1.8921,1.7011.散点图和统计学指标均表明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Ac3和Ac1温度的定量影响,计算结果表明,C和Mn含量与Ac3和Ac1点间存在非线性关系.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方鸿生	清华大学材料科学与工程系	74	1356	21.0	34.0
2	白秉哲	清华大学材料科学与工程系	72	1077	18.0	30.0
3	由伟	清华大学材料科学与工程系	5	46	4.0	5.0