功能材料
功能材料
공능재료
JOURNAL OF FUNCTIONAL MATERIALS
2009年
1期
66-70,74
,共6页
温玉锋%蔡从中%裴军芳%朱星键%肖婷婷
溫玉鋒%蔡從中%裴軍芳%硃星鍵%肖婷婷
온옥봉%채종중%배군방%주성건%초정정
玻璃%热膨胀系数%支持向量机%粒子群算法%留一交叉验证法%回归分析%预测
玻璃%熱膨脹繫數%支持嚮量機%粒子群算法%留一交扠驗證法%迴歸分析%預測
파리%열팽창계수%지지향량궤%입자군산법%류일교차험증법%회귀분석%예측
不同配方的玻璃一般具有不同的热膨胀系数.根据R2O-MO-Al2O3-SiO2(R为碱金属元素,M为碱土金属元素)系统玻璃在不同氧化物组成(SiO2,MgO,CaO,SrO,BaO,Na2O和K2O)下的热膨胀系数实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了玻璃的不同配方与其热膨胀系数关系的SVR预测模型,并与基于BPNN神经网络模型的预测结果进行了比较.结果表明:对于相同的训练样本和检验样本,支持向量回归的玻璃的热膨胀系数模型始终比BPNN模型具有更高的预测精度;增加训练样本数有助于提高所建SVR预测模型的泛化能力;基于留一交叉验证法(LOOCV)的SVR预测的均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分误差(MAPE)均为最小.本研究表明:SVR是一种预测不同配方玻璃的热膨胀系数的有效方法.
不同配方的玻璃一般具有不同的熱膨脹繫數.根據R2O-MO-Al2O3-SiO2(R為堿金屬元素,M為堿土金屬元素)繫統玻璃在不同氧化物組成(SiO2,MgO,CaO,SrO,BaO,Na2O和K2O)下的熱膨脹繫數實測數據集,應用基于粒子群算法(PSO)尋優的支持嚮量迴歸(SVR)方法,建立瞭玻璃的不同配方與其熱膨脹繫數關繫的SVR預測模型,併與基于BPNN神經網絡模型的預測結果進行瞭比較.結果錶明:對于相同的訓練樣本和檢驗樣本,支持嚮量迴歸的玻璃的熱膨脹繫數模型始終比BPNN模型具有更高的預測精度;增加訓練樣本數有助于提高所建SVR預測模型的汎化能力;基于留一交扠驗證法(LOOCV)的SVR預測的均方根誤差(RMSE)、平均絕對誤差(MAE)和平均絕對百分誤差(MAPE)均為最小.本研究錶明:SVR是一種預測不同配方玻璃的熱膨脹繫數的有效方法.
불동배방적파리일반구유불동적열팽창계수.근거R2O-MO-Al2O3-SiO2(R위감금속원소,M위감토금속원소)계통파리재불동양화물조성(SiO2,MgO,CaO,SrO,BaO,Na2O화K2O)하적열팽창계수실측수거집,응용기우입자군산법(PSO)심우적지지향량회귀(SVR)방법,건립료파리적불동배방여기열팽창계수관계적SVR예측모형,병여기우BPNN신경망락모형적예측결과진행료비교.결과표명:대우상동적훈련양본화검험양본,지지향량회귀적파리적열팽창계수모형시종비BPNN모형구유경고적예측정도;증가훈련양본수유조우제고소건SVR예측모형적범화능력;기우류일교차험증법(LOOCV)적SVR예측적균방근오차(RMSE)、평균절대오차(MAE)화평균절대백분오차(MAPE)균위최소.본연구표명:SVR시일충예측불동배방파리적열팽창계수적유효방법.
