基于机器学习的低弹性模量钛合金建模和预测的研究

打开文本图片集

摘要：针对钛合金弹性模量快速预测的需要，采用合金设计公式对原始合金数据进行转换，利用转换所得的Mo 当量、d-电子结合次数和d-电子结合能作为数据集；采用多层感知器、随机森林网络和卷积神经网络三种机器学习方法，基于数据驱动方式搭建钛合金成分与弹性模量的关系模型。结果表明，相比随机森林网络模型和卷积神经网络模型，多层感知器模型具有更优的预测性能和预测精度。（剩余8948字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。