近年来各种添加剂开始用于改良铝热剂的性能,包括金属粉无机物及有机物等,这些物质的加入使其性能的预测变得困难.针对这些困难,本文采取纯数据驱动方式,使用BP神经网络进行预测.BP神经网络是一种强大的非线性建模工具,利用BP神经网络对不同配比的复合铝热剂进行反应温度的预测研究.通过将铝粉,三氧化二铁,二氧化硅,硝酸钾以不同用量进行了81次实验,将各组分含量作为BP神经网络输入,对应的温度时间图像作为BP神经网络的输出,对模型进行训练与评估,旨在通过已知反应物配比的性能来预测未知配比的性能.该模型平均绝对误差(MAE)为212.5℃,这个误差在可接受的范围内,表明该方法对工程实践有一定的参考价值.
万方数据
维普
