基于支持向量分位数回归的钢材力学性能预测

发布时间：2023-12-29 17:59

　　钢材作为高强度综合性能更优的工程结构材料,应用于各个领域。为了提高市场竞争力以及满足社会需求,企业不得不改善钢铁产品的性能。其中力学性能是钢材的重要性能之一,直接影响着产品的使用价值。需要摒弃耗时耗力的物理方法,利用先进的数字化工具完成对钢铁产品的设计;以便用于产品性能在线动态控制、钢种成分优化等。由于钢材力学性能的影响因素众多,且存在复杂交互作用。因此,本文将以带钢抗拉强度作为响应变量,根据实际生产线上获取的成分参数(化学元素)、碳氮化合物及其工艺参数数据,研究如何合理筛选钢材力学性能预报模型的重要影响因素,并建立有效的预测模型。支持向量机(Support Vector Machine,SVM)能够处理变量间的非线性问题。分位数回归(Quantile Regression,QR)能很好的解决数据异质性,对离群值不敏感,具有较好的“鲁棒”性,能考虑整个分布等特性。因此,本文结合支持向量机(SVM)和分位数数回归(QR)理论,建立支持向量机分位数回归(SVQR)模型,探讨带钢抗拉强度与成分参数(化学元素)、碳氮化合物及其工艺参数的关系。首先,我们给出了SVQR的损失函数以及预测模型,并给...

【文章页数】：45 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 本文的主要思路与结构
第2章 热轧带钢的性能分析
    2.1 钢材热轧工艺流程
    2.2 力学性能影响因素
    2.3 力学性能预测问题
    2.4 本章小结
第3章 理论模型
    3.1 支持向量分位数回归(SVQR)
    3.2 SVQR参数求解算法
    3.3 变量选择
    3.4 基于LASSO变量选择的SVQR
    3.5 预测模型及结果评价
    3.6 本章小结
第4章 数据的采集与预处理
    4.1 数据采集
    4.2 数据预处理
第5章 基于SVQR的钢材力学性能预测
    5.1 基于已有变量选择结果的SVQR模型
    5.2 基于LASSO变量选择的SVQR模型
    5.3 本章小结
第6章 结论与展望
    6.1 结论
    6.2 展望
致谢
参考文献
附录1 攻读硕士学位期间发表的论文
附录2 攻读硕士学位期间参加的科研项目



本文编号：3876173