基于机器学习的砂型铸造涂料悬浮率的预测

作者：翟秀云; 陈明通

来源：铸造设备与工艺, 2021, (03): 35-38.

DOI：10.16666/j.cnki.issn1004-6178.2021.03.011

• 铸造涂料
• 悬浮率
• 支持向量回归
• 反向传输神经网络
• 机器学习

在铸件浇注过程中,涂料是钢液和型腔壁的重要分隔层,其性能对铸件的外观及内部质量有很大的影响。本文中,基于机器学习方法和文献中的数据集,建立了预测铸造涂料悬浮率的支持向量回归(SVR)和反向传输神经网络(BPNN)模型。交叉验证与外部测试验证结果表明,两个模型都具有很高的预测精度和实用价值。本文通过对已有的铸造涂料数据的训练学习,实现了对未知涂料悬浮率的精确预测。因此,本文的研究方法可以为实现低成本、快速而有效地预测铸造涂料性能提供有价值的参考。

• 单位
  攀枝花学院