论文部分内容阅读
本文利用逐步回归确定Ac1、Ac3转变温度的关键化学元素，进而确定Kohonen神经网络输入层神经元数，优化网络结构；结合无导师学习与监督学习，改进学习算法。基于优化的Kohonen神经网络，建立Ac1／Ac3转变温度预测模型。实验表明，基于Kohonen网络的Ac1／Ac3预测模型的预测精度较高，Ac1相对误差小于3．01％，Ac3相对误差小于3．02％，明显优于逐步回归的预测精度。根据Kohonen网络预测Ac1／Ac3临界温度，进而确定实际加热温度，对钢材热处理保证质量、缩短物理实验周期，具有重要的