基于SVM和BP神经网络的部分稳定氧化锆稳定率预测方法

• 作者: 刘利军 彭金辉 李东波 郭胜惠 陈菓
• 来源期刊: 稀有金属
• 学科: 工学
• 关键词: 部分稳定氧化锆 稳定性 预测 支持向量机 BP神经网络
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 759-763
• 分类号: TG146.4|TP18
• 字数: 1996字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-7076.2011.05.023

摘要

由于部分稳定氧化锫具有优良的物理化学性能,在冶金及材料中有着重要的地位,稳定率是部分稳定氧化锫产品性能的一个重要指标.而部分稳定氧化锆的制备过程具有非线性、多变量、时变等特点,本文采用了支持向量机( SVM)及BP神经网络方法对部分稳定氧化锆的稳定率进行了预测.将热处理温度、保温时间、降温速率、淬火温度及升温速率5个指标(参数)作为模型输入量,部分稳定氧化锆的稳定率作为输出值,分别以48组实验数据作为学习样本,并建立模型,运用该模型预测了5组部分稳定氧化锫的稳定率.实验结果表明,2种模型均具有较好的预测能力,人工神经网络模型预测结果平均误差为1.48％,支持向量机模型预测结果平均误差为0.68％,并且支持向量机预测部分稳定氧化锆的稳定率精度更高,可在实际生产过程中推广应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭金辉	昆明理工大学冶金与能源工程学院非常规冶金省部共建教育部重点实验室	259	2979	28.0	35.0
2	郭胜惠	昆明理工大学冶金与能源工程学院非常规冶金省部共建教育部重点实验室	86	1226	21.0	29.0
3	刘利军	昆明理工大学冶金与能源工程学院非常规冶金省部共建教育部重点实验室	77	196	7.0	10.0
4	陈菓	昆明理工大学冶金与能源工程学院非常规冶金省部共建教育部重点实验室	11	99	5.0	9.0
5	李东波	昆明理工大学冶金与能源工程学院非常规冶金省部共建教育部重点实验室	6	25	2.0	5.0