吴思炜
,
周晓光
,
曹光明
,
史乃安
,
刘振宇
,
王国栋
钢铁
doi:10.13228/j.boyuan.issn0449-749x.20150584
在应用C-Mn钢工业大数据进行神经网络建模时，如果将大量原始数据不加处理或者经过简单的剔除异常值处理后进行建模，很容易建立满足一定精度要求的模型。但是，如果进一步研究模型的规律性，却常常有违背客观规律的情况。这是由于原始数据中大量的数据相互干扰和生产数据的离散分布造成的。因此在建模过程中，需要将冗余和误差较大的数据剔除，保证训练数据和预测数据的均匀分布，这样能够在减小建模的计算量的同时保证数据具有显著的规律性，从而建立出合理的模型。文章利用Bayes神经网络建立了多种牌号C-Mn钢力学性能预测模型，并对影响屈服强度的工艺参数进行了分析。经统计，屈服强度和抗拉强度的预测数据中分别有96.64%和99.16%的数据预测值和实测值绝对误差在±30 MPa之内，伸长率的预测数据中有85.71%的数据预测值和实测值绝对误差在±4%内。
关键词:
大数据
,
建模
,
Bayes神经网络
,
C-Mn钢
,
屈服强度
吴思炜
,
刘振宇
,
周晓光
,
史乃安
钢铁研究学报
doi:10.13228/j.boyuan.issn1001-0963.20150380
神经网络数据样本的质量影响着模型的预测精度；选择有效的工艺参数进行建模可以提高模型的训练速度，节省训练时间。针对数据样本质量和输入工艺参数的选择问题进行了研究，采用了计算马氏距离的方法剔除异常点，改善数据样本的质量。基于采集到的热轧汽车大梁板的17个工艺参数的生产数据，采用贝叶斯神经网络建立力学性能预测模型。通过采用平均影响值筛选出对力学性能影响较大的工艺参数进行建模，以简化模型。结果显示：简化后的模型取得了较高的预测精度，对于抗拉强度和屈服强度，分别有96·64％和94·96％的数据预测值和实际值相对误差在±6％以内；对于伸长率，有96·64％的数据预测值和实际值的绝对误差在±4％以内。
关键词:
大数据
,
汽车大梁板
,
贝叶斯神经网络
,
马氏距离
,
平均影响值
王卓
,
王礞
,
雍歧龙
,
郭艳华
,
崔予文
中国材料进展
doi:10.7502/j.issn.1674-3962.2017.02.08
2011年美国奥巴马总统提出的材料基因组计划(MGI),旨在以比原先至少快两倍的速度开发和制造先进材料,且成本仅为原先的几分之一,这促使了材料信息学的快速发展.材料信息学是信息学技术在材料学中的应用,通过建设材料信息数据库、集成材料研究设计平台和材料数据挖掘方法对材料大数据进行分析和预测,快速发现决定材料性能的“基因”,也就是材料成分-工艺-组织-性能之间的定量关系,可以有效地加快材料研发设计.介绍了材料信息学的基本概念和主要研究领域,描述了材料信息学中的3个主要组成部分:材料信息数据库、集成材料设计平台和材料数据挖掘技术的主要内容和应用实例.材料信息数据库储存和管理各类材料数据,包括材料基础性能、晶体结构数据、模拟计算数据、试验与工艺数据、专利数据和各类出版物等;集成材料设计平台提供各种模拟计算方法,如第一性原理、分子动力学、CALPHAD方法、相场模拟和有限元分析;数据挖掘是统计学、机器学习、信息学、可视化技术等学科的交叉领域,是从大数据中发现知识的实用方法.并介绍了成都材智科技搭建的“材智云”集成材料设计平台的框架和功能.思考了材料信息学在材料领域中应用时所面临的难题.
关键词:
材料信息学
,
材料数据库
,
材料集成设计平台
,
数据挖掘
,
大数据
