作者:温玉锋 蔡从中 裴军芳 朱星键 肖婷婷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
摘要: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。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社