中文摘要 | 第3-5页 |
英文摘要 | 第5-7页 |
1 绪论 | 第10-14页 |
1.1 不锈钢发展及现状 | 第10-12页 |
1.2 研究目的及意义 | 第12-13页 |
1.3 研究的内容 | 第13-14页 |
2 支持向量回归 | 第14-21页 |
2.1 统计学习理论的基本思想 | 第14-15页 |
2.2 支持向量回归原理 | 第15-16页 |
2.3 核函数 | 第16-18页 |
2.4 支持向量回归机参数选择 | 第18-20页 |
2.4.1 参数选择对SVR性能影响 | 第18页 |
2.4.2 基于PSO算法的SVR参数寻优 | 第18-20页 |
2.5 小结 | 第20-21页 |
3 非标准低镍高锰氮双相不锈钢的抗点蚀电位建模研究 | 第21-33页 |
3.1 模型方法和数据集 | 第21页 |
3.2 模型预测性能评价 | 第21-23页 |
3.3 结果讨论 | 第23-31页 |
3.3.1 模型比较 | 第23-27页 |
3.3.2 最优组分及可能的最大抗点蚀电位 | 第27页 |
3.3.3 SVR模型和PREN16模型因素分析 | 第27-31页 |
3.3.4 灵敏度分析 | 第31页 |
3.4 结论 | 第31-32页 |
3.5 小结 | 第32-33页 |
4 非标准低镍高锰氮双相不锈钢弱相抗点蚀电位建模研究 | 第33-45页 |
4.1 数据来源 | 第33-34页 |
4.2 模型建立和预测评价 | 第34-35页 |
4.3 结果讨论 | 第35-38页 |
4.4 最优组分参数及SVR模型因素分析 | 第38-42页 |
4.5 灵敏度分析 | 第42-43页 |
4.6 小结 | 第43-45页 |
5 双相不锈钢电镀金属焊接因素对其抗点蚀电位影响 | 第45-55页 |
5.1 数据来源 | 第45-46页 |
5.2 模型建立和预测评价 | 第46-47页 |
5.3 结果讨论 | 第47-49页 |
5.4 最优工艺参数及SVR模型中焊接因素分析 | 第49-54页 |
5.5 小结 | 第54-55页 |
6 结论及展望 | 第55-57页 |
6.1 主要结论 | 第55-56页 |
6.2 后续研究工作的展望 | 第56-57页 |
致谢 | 第57-58页 |
参考文献 | 第58-63页 |
附录 | 第63页 |
附录A 作者在攻读硕士学位期间发表的论文目录 | 第63页 |