《表1 Vermeulen等人[13]、Filetin等人[14]和由伟等人[15]使用数据集的成分范围(单位为质量分数wt%)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习的工模具钢硬度预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以上公式给出了钢中含碳量与其硬度值的定量关系，对碳钢的设计研发起到了促进作用，但对高合金含量的工模具钢而言尚有局限性.当前快速发展的人工智能机器学习提供了一些强大的技术手段，用以探究特征量之间复杂的非线性关系.近年来已有大量利用人工神经网络的方式预测成分-硬度关系的研究.例如Vermeulen等人[13]利用前馈神经网络研究了Nedstaa BV提供在表1成分范围内的4000组数据，通过训练得到预测模型，该模型在整个样本中预测值与实际值的平均误差为2 HRC.Filetin等人[14]使用人工神经网络研究了同一来源的40种不同成分钢的数据，其钢的成分范围如表1所示，得到的模型预测值与实际值的平均误差为0.0045 HRC.由伟等人[15]收集了文献中共111组钢的数据，其钢的成分范围如表1所示，用神经网络的方法进行处理，得到的预测模型的均方根误差为0.0868 HRC.