用人工神经网络模型预测钢的奥氏体形成温度

摘要

根据收集的实验数据,建立了预测钢的奥氏体形成湿度(Ac1和Ac3点)的反向传播人工神经网络模型.用散点图和均方误差、相对均方误差和拟台分值二个统汁学指标评价模型的预测性能人工神经网络预测Ac3和Ac1的三个统计学指标分别为23.8℃,14.6℃;2.89％,2.06％和1.8921,1.7011.散点图和统计学指标均显示: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Ac1和Ac3温度的定量影响,计算结果显示, C和Mn含量与Ac3和Ac1点间存在非线性关系,这主要是由于钢中合金元素间存在的相互作用造成的.