(Zr_(0.7)Sn_(0.3))TiO_4陶瓷性能预报的支持向量回归模型  

Prediction of Properties of(Zr_(0.7)Sn_(0.3))TiO_4 Dielectric Ceramics Using Support Vector Regression

作　　者：翟文华[1] 陆文聪[1] 刘旭[1] 陈念贻[1] 王国庆[2] 

机构地区：[1]上海大学理学院,上海200444 [2]天津大学电子信息工程学院,天津300072

出　　处：《应用科学学报》2005年第6期648-653,共6页Journal of Applied Sciences

基　　金：国家自然科学基金(20373040)资助项目;上海市纳米专项(0252nm101)项目

摘　　要：将支持向量回归方法用于(Zr0.7Sn0.3)TiO4陶瓷的配方性能关系研究中,分别建立了(Zr0.7Sn0.3)TiO4陶瓷介电常数和损耗角正切的支持向量回归模型,并与逆传播人工神经网络、多元线性回归模型进行了比较.用留一法分别检验了支持向量回归、逆传播人工神经网络和多元线性回归3种不同模型的预报能力,结果表明:上述3种模型对于(Zr0.7Sn0.3)TiO4陶瓷介电常数的留一法预报的平均相对误差分别为1.083%、1.632%、1.931%,对于损耗角正切的留一法预报的平均相对误差分别为0.999%、1.746%、1.414%.因此,支持向量回归模型的预报能力较好,可望在陶瓷配方设计中的多变量、非线性问题和小样本体系中发挥较好的作用,为新型介电陶瓷的性能预报和配方优化提供一条全新可靠的途径.The support vector regression （SVR） is applied to investigate the relationship between the properties and formulation of （Zr0.7Sn0.3 ）TiO4 dielectric ceramic. The models for predicting dielectric constant and loss angle tangent are proposed respectively. Using the leave-one-out cross-validation method, the mean relative errors （MRE） of dielectric constant in SVR, back-propagation artificial neural network （BP-ANN） and multiple linear regression （MLR） models are checked, with the results of 1.083%, 1.632% and 1.931% respectively. Similarly, the MRE of loss angle tangent in SVR, BP-ANN and MLR are 0. 999 %, 1. 746 % and 1.414% respectively. It is therefore demonstrated that support vector regression is a useful tool in dealing with multi-variable problems with non-linearity or small size of data set in the formulation design of dielectric ceramics.

关 键 词：(Zr0.7Sn0.3)TiO4 介电性能 支持向量机 支持向量回归 留一法 

分 类 号：O6-39[理学—化学]