论文部分内容阅读
采用两种基于人工神经网络(ANN)的经验学习方法,即双层感知器(DLP)模型和Elman反馈(EF)模型,分析应力腐蚀破裂(SCC)数据,预测奥氏体不锈钢在高温水(HTW)中的SCC敏感性.对304不锈钢(SS)和316SS的两组SCC数据,DLP模型经过长时间的训练周次并不收敛,而EF模型在有限的时间内收敛到一稳定值.304SS和316SS的SCC敏感性依赖于温度(T)、溶解氧浓度(DO)、氯离子浓度([Cl-])以及电位(E).采用EF模型,待预测样本数据被包含在训练数组里(方法Ⅰ)比不包含(方法Ⅱ)