中国铸造装备与技术
中國鑄造裝備與技術
중국주조장비여기술
China Foundry Machinery & Technology
2010年
6期
17-20
,共4页
碳含量%硅含量%预测%BP神经网络%热分析
碳含量%硅含量%預測%BP神經網絡%熱分析
탄함량%규함량%예측%BP신경망락%열분석
建立在多元回归基础上的传统热分析法存在预测模型函数形式有过强的人为限定,以及对生产条件变化缺乏自适应的问题,为了解决上述问题,本文把BP神经网络算法用于热分析中,构造预测铁液C、Si含量BP神经网络.利用38组实验数据对网络进行训练,获得预测网络模型,然后采用该模型对8组验证样本进行预测,预测C、Si含量的绝对误差分别为0.12%和0.16%.结果表明:该方法能够避免建立模型时人为限定,提高预测精度;对于不稳定的生产条件,具有较强的学习能力和适应能力.
建立在多元迴歸基礎上的傳統熱分析法存在預測模型函數形式有過彊的人為限定,以及對生產條件變化缺乏自適應的問題,為瞭解決上述問題,本文把BP神經網絡算法用于熱分析中,構造預測鐵液C、Si含量BP神經網絡.利用38組實驗數據對網絡進行訓練,穫得預測網絡模型,然後採用該模型對8組驗證樣本進行預測,預測C、Si含量的絕對誤差分彆為0.12%和0.16%.結果錶明:該方法能夠避免建立模型時人為限定,提高預測精度;對于不穩定的生產條件,具有較彊的學習能力和適應能力.
건립재다원회귀기출상적전통열분석법존재예측모형함수형식유과강적인위한정,이급대생산조건변화결핍자괄응적문제,위료해결상술문제,본문파BP신경망락산법용우열분석중,구조예측철액C、Si함량BP신경망락.이용38조실험수거대망락진행훈련,획득예측망락모형,연후채용해모형대8조험증양본진행예측,예측C、Si함량적절대오차분별위0.12%화0.16%.결과표명:해방법능구피면건립모형시인위한정,제고예측정도;대우불은정적생산조건,구유교강적학습능력화괄응능력.