基于SVM和BP神经网络的部分稳定氧化锆稳定率预测方法

来源期刊：稀有金属2011年第5期

论文作者：李东波 刘利军 彭金辉 郭胜惠 陈菓

文章页码：759 - 763

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;

摘    要：由于部分稳定氧化锆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锆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组部分稳定氧化锆的稳定率。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。