科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统屈服强度预测模型通用性较差的问题，提出一种采用原子搜索优化算法优化BP神经网络，建立多类型合金屈服强度预测模型的方法。以Kaggle公开数据为研究对象，对89种钢合金建立ASO-BP神经网络屈服强度预测模型，同时与PSO-BP,GA-BP,BP神经网络模型对比。结果表明：ASO-BP预测模型平均绝对百分比误差（MAPE）为6.98%，相关系数达到0.987 16，效果优于其他对比模型。验证了预测多种类型合金屈服强度的合理性和可靠性，为工程实际应用和合金屈服强度检测提供较好的辅助判断。
- 单位
