支持向量机算法优化制备赛隆-刚玉浇注料工艺参数

1.武汉科技大学高温陶瓷与耐火材料湖北省重点实验室,武汉,430081

2.武汉科技大学高温陶瓷与耐火材料湖北省重点实验室,武汉,430081

3.武汉科技大学高温陶瓷与耐火材料湖北省重点实验室,武汉,430081

4.上海大学理学院化学系计算机化学研究室

5.上海大学理学院化学系计算机化学研究室

基金项目: 中国科学院资助项目(20373040)

Optimization of processing parameters of SiAlON - corundum castable with support vector machine

运用可限制过拟合、有较强预报能力的支持向量机算法(Support Vector Machine,简称SVM)对赛隆-刚玉浇注料的工艺参数进行优化,通过试验数据处理,建立了工艺参数与烧成后常温抗折强度的数学模型.留一法结果表明,用支持向量机算法优化制备赛隆-刚玉浇注料的工艺参数是可行和有效的.

[1]	Zhang Zhiping;Huang Huihuang;Huang Zh aohui .SiAlON bonded SiC refractories for blast furnaces[J].Interceram,1993,42(05):292-297.
[2]	Low conductivity blast furnace refractories[J].Steel Times International,1993,1:49.
[3]	李亚伟,李楠,李怀远,邓堂,向伍国,陈再波,金重,罗显贵.武钢1号高炉大修扩容用赛隆结合刚玉砖的生产与使用[J].耐火材料,2001(03):153-154.
[4]	李亚伟,李楠,王斌耀,刘静,陈方玉.β-赛隆（Sialon）/刚玉复相耐火材料研究[J].无机材料学报,2000(04):612-618.
[5]	Li Yawei;Zhang Xin;Jin Shengli.Corundum castables containing nitrogen for purging plug in ladle[A].Aachen, Germany,2001:26-27.
[6]	Vladimir N Vapnik.The nature of statistical learning theory[M].Berlin,Springer,1995
[7]	叶晨洲,李国正,姚莉秀,陈念贻,陆文聪.支持向量机算法用于C60溶解度的热力学分析[J].计算机与应用化学,2002(06):729-730.
[8]	刘旭,陆文聪,刘亮,陈念贻,叶晨洲,杨杰.支持向量机算法在若干熔盐相图中间相预报中的应用[J].应用科学学报,2004(01):55-59.
[9]	Vladimir N Vapnik;张学工.统计学习理论的本质[M].北京:清华大学出版社,1999
[10]	Nello Cristianini;John Shawe-Taylor.An introduction to support vector machines and other kernel-based learning methods[M].Cambridge:Cambridge University Press,2000

上一张下一张

计量

作者相关

文章评分