材料期刊网

Prediction of Velocity and Deformation Fields During Multipass Plate Hot Rolling by Novel Mixed Analytical-Numerical Method

钢铁研究学报(英文版)

关键词: 数值分析方法 , 通道板 , 速度场 , 预测 , 热轧 , 混合 , 形变场 , 有限元模拟

Prediction of Activities in Fe-Based Ternary Liquid Alloys by Hoch-Arpshofen Model

钢铁研究学报(英文版)

关键词: 液态合金 , 铁基 , 模型 , 霍克 , 预测 , 三元 , 材料科学与工程 , 相互作用参数

Prediction of Endpoint Phosphorus Content of Molten Steel in BOF Using Weighted K-Means and GMDH Neural Network

钢铁研究学报(英文版)

关键词: BP神经网络 , K-means , GMDH , 磷含量 , 预测 , 转炉 , 钢水 , 加权

肽段反相色谱保留时间预测算法及其在蛋白质鉴定中的应用

刘超 , 王海鹏 , 付岩 , 袁作飞 , 迟浩 , 王乐珩 , 孙瑞祥 , 贺思敏

色谱 doi:10.3724/SP.J.1123.2010.00529

液相色谱-质谱(LC-MS)联用是当今规模化蛋白质鉴定的主流技术.肽段在反相液相色谱(RPLC)中的保留时间主要是由肽段的理化性质和LC条件(固定相、流动相)决定的.可以通过分析肽段的理化性质,并量化它们对肽段色谱行为的影响来预测保留时间.预测结果可以用于帮助提高蛋白质鉴定的数量和可信度,也可用于肽段的翻译后修饰等研究.现在已有的保留时间预测算法主要有保留系数法和机器学习法两大类,得到的预测保留时间与实际保留时间相关系数可达到0.93.随着色谱和质谱技术的不断发展,肽段色谱行为的稳定性和重现性越来越好,保留时间预测结果也越来越准确.预测肽段保留时间将成为提高蛋白质鉴定结果的重要技术手段之一.

关键词: 反相液相色谱-质谱联用 , 保留系数 , 机器学习 , 保留时间 , 预测 , 蛋白质 , 肽 , 鉴定

R2O-MO-Al2O3-SiO2玻璃配方与热膨胀系数关系的支持向量回归研究

温玉锋 , 蔡从中 , 裴军芳 , 朱星键 , 肖婷婷

功能材料

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.

关键词: 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

基于Origin的溶浸浸出率预测模型研究

熊有为 , 王洪江 , 胡凯建

黄金 doi:10.3969/j.issn.1001-1277.2011.09.006

溶浸浸出率预测的准确程度对于应用溶浸采矿技术的矿山设计、生产和研究具有重要的.指导意义.采用Origin软件对铜尾矿摇瓶浸出和铀矿石堆浸的浸出率进行模拟和预测.先根据矿石浸出率的变化规律,选取不同的数学模型,再采用该模型对浸出率原始数据进行模拟,对未来数据进行预测.预测结果表明,不同数学模型对溶浸浸出率的预测效果不同,模型(2)更适合溶浸浸出率的长期预测.

关键词: Origin , 铜尾矿 , 铀矿石 , 溶浸 , 浸出率 , 预测 , 数学模型

用高效液相色谱法预测两油层合采过程中单层的产量分数

付晓泰 , 王振平 , 毕丽飞

色谱 doi:10.3321/j.issn:1000-8713.2000.04.009

在全油的气相色谱指纹没有显著差异的原油中,发现了萘、菲系列化合物在原油中的浓度具有显著差异.提出了预测两油层合采过程中的分层产量分数的新方法.选择萘、菲系列化合物为地化指标,用氧化铝-硅胶柱对其预分离,再用高效液相色谱法测定其视浓度.通过用人工配制的混合原油进行验证,结果表明该方法适用于全油气相色谱差别小的原油,预测值与实际值的相对偏差为8%,精确度优于全油气相色谱指纹法.

关键词: 高效液相色谱法 , 预测 , 原油 , 合采 , 产量分数 , 萘 , 菲

基于人工神经网络的热连轧参数预测模型

符强 , 张进之

钢铁研究学报

将BP神经网络的思想用于预测热连轧参数,研究并建立了基于BP神经网络的预测控制数学模型.以热连轧精轧自然宽展值为例,现场实测数据仿真验证表明,该模型明显优于传统的数学预测模型,具有很高的预测精度.

关键词: BP神经网络 , 预测 , 精轧 , 宽展

高炉含铁炉料熔滴性能智能优化预测模型

梁栋 , 石红燕 , 周小辉 , 张毅

钢铁研究学报

含铁炉料良好的冶金性能是保障高炉炉况顺行,节燃增产的前提条件.熔滴试验对于高炉含铁炉料冶金性能把握具有重要意义.但由于熔滴试验本身成本较高且检测耗时,多数企业仅在高炉炉况出现重大变化时通过试验追溯炉料冶金性能.因此,操作者难以根据炉料结构变化预判其冶金性能,进而调整操作方针.在对莱钢含铁炉料进行熔滴性能试验检测的基础上,通过遗传算法优化最小二乘支持向量机关键参数,以含铁料化学成分对其熔滴性能指标建立优化预测模型.模型预测精度高,且避免了建模过程中的主观性,可指导生产配料及调整高炉操作.

关键词: 高炉 , 含铁炉料 , 熔滴性能 , 预测 , 遗传算法 , 最小二乘支持向量机

微波加热制备部分稳定氧化锆及其稳定率预测研究

刘利军 , 李东波 , 彭金辉 , 郭胜惠 , 张利波 , 陈菓

材料导报

针对微波加热制备部分稳定氧化锆过程的非线性、多变量、时变等复杂特点,运用机器学习方法中的LM-BP神经网络和支持向量机(SVM),以保温温度、升温速率、保温时间、降温速率和淬火温度作为输入量,稳定率为输出值,建立了微波加热制备部分稳定氧化锆的稳定率预测模型.分别利用两种预测模型进行稳定率的预测,通过与稳定率的测量值对比分析表明,两者均具有良好的预测能力,但SVM模型具有较高的预测精度.

关键词: 部分稳定氧化锆 , 微波 , 稳定性 , LM-BP神经网络 , 支持向量机(SVM) , 预测