论文部分内容阅读
根据脉冲激光沉积（PLD）法在单晶Si试样表面沉积制备多层TiN/AlN硬质膜实验数据,应用基于粒子群算法（PSO）寻优的支持向量回归（SVR）方法,建立不同工艺参数下沉积的TiN/AlN多层膜的AlN膜厚及TiN薄膜硬度的SVR预测模型。在相同的训练与测试样本集下,将SVR所得的AlN膜厚预测值与免疫径向基函数（IRBF）神经网络的计算结果进行比较。结果表明,SVR模型训练和预测结果的平均绝对百分误差要比IRBFNN模型的小,其预测精度更高,预测效果更好。应用SVR的TiN薄膜硬度模型对PLD法沉积Ti