《表3 验证样本的冲击韧性和磨损体积预测值与试验值》

  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

《机械轴承钢锻造工艺的神经网络优化》

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

为了更好地应用该神经网络模型来优化机械轴承钢的锻造工艺，因此除了基本的学习和训练，还需进一步验证该模型的预测精准度。本文将上述的训练数据中余下的没有训练的数据6组数据进行更进一步的验证，将样本编号依次记为：31、32、33、34、35、36。表3是模型的验证样本冲击韧性和磨损体积预测值。6组样本所验证的具体数据如图3所示。从图3可知，该模型的冲击性能的相对预测误差值为3.07%～4.9%，平均相对预测误差为4.1%；该模型的磨损性能（即磨损体积）的相对预测误差值为3.08%～5.26%，平均相对预测误差为4.19%；可以判断，该模型具有较精准的预测能力，预测精度较高。因此，能够较准确地反映了输入参数（即机械轴承钢成分、钢锭温度、开锻温度、终锻温度）和输出参数（冲击性能、磨损性能）之间的关系。