论文部分内容阅读
应用人工神经网络技术,采用 Neuralworks Predict 软件建立 BP 网络模型,通过对 R2O-MO-Al2O3-SiO2系统玻璃组成与热膨胀系数关系实验数据的训练,以期能预测该系统指定组成的玻璃的热膨胀系数。研究结果表明,所建立的神经网络模型能较正确地反映玻璃氧化物组成与其热膨胀系数之间的规律性。模型对给定组成玻璃热膨胀系数的预测值与实际测试值的相对误差在6.4%以内,表明由神经网络技术建立的这一模型能正确反映 R2O-MO-Al2O3-SiO2系统玻璃组成与热膨胀系数间的内在规律性。