大学生数学建模-钢力学性能研究.doc

A题：钢力学性能与合金元素关系的数学模型 钢力学性能与合金元素关系的数学模型 摘要： 钢力学性能和合金元素关系的预测的数学模型预测方法有很多。我们首先对数据进行分析拟合检验与异方差检验等，剔除异常数据。模型一：运用逐步回归方法分析出钢力学性能与合金元素的回归关系。模型二：利用神经网络对复杂非线形系统具有曲线拟合能力，使得预测模型具有良好的精度。并将影响钢力学性能的几个主要因素：C元素的千分含量、Si元素的千分含量、Mn元素的千分含量、P元素的千分含量、S元素的千分含量、V元素的千分含量、N元素的千分含量以及压缩比的值为神经网络的输入层，训练得到较好的钢力学性能与合金元素关系。 用此神经网络作短期预测的优点：结合了多个元素以及压缩比的影响因素，同时，神经网络模型比灰色系统、时间序列模型都要精确；缺点：预测不能做趋势外推。最后利用线性优化求得在保证产品质量和各力学性能的前提下，找出最优配置方案。 关键词：BP神经网络 数学模型 力学性能 线性优化 多元线性回归 问题重述： 在当今世界的钢铁行业生产中，数学建模方法已经大量运用于钢铁行业生产的各个环节。随着钢铁行业的迅速发展，降低钢厂的生产成本也越来越重要，通过建立数学模型可以达到精细化成本管理的目的。一方面，可以把所得到的关系式运用到现实生产中去指导生产，可以节省大量的生产成本；另一方面，在开发高级别的钢的过程中，也可以借鉴建立的数学模型，对钢铁产品开发工作具有指导意义。同时可对钢力学性能与合金元素之间的关系从定性的认识上升到定量的认识。 现有某钢厂的力学性能和合金元素数据，其中，压缩比当做合金元素来处理），在现有装备和现有生产工艺的条件下。 （1）对所给数据进行直观分析，考虑均值和方差的描述性分析：钢材中C元素的千分含量 ：钢材中Si元素的千分含量 ：钢材中Mn元素的千分含量 ：钢材中P元素的千分含量 ：钢材中S元素的千分含量 ：钢材中V元素的千分含量 ：钢材中N元素的千分含量 ：钢材压缩比的值 ：拉伸实验所测的样品的屈服点 ：拉伸实验计算所得样品的抗拉强度 ：拉伸实验计算所得样品的延伸率 m：所需钢材的重量 S：对应的钢材的价格 yi1、yi2、yi3：为所需钢材的力学性能 四、模型的建立和求解 问题1：对数据进行直观分析（SPSS处理数据） [数据集2] 案例处理摘要 案例 已包含 已排除 总计 N 百分比 N 百分比 N 百分比 屈服 * C 695 100.0% 0 .0% 695 100.0% 抗拉 * C 695 100.0% 0 .0% 695 100.0% 延伸 * C 695 100.0% 0 .0% 695 100.0% 屈服 * Si 695 100.0% 0 .0% 695 100.0% 抗拉 * Si 695 100.0% 0 .0% 695 100.0% 延伸 * Si 695 100.0% 0 .0% 695 100.0% 屈服 * Mn 691 99.4% 4 .6% 695 100.0% 抗拉 * Mn 691 99.4% 4 .6% 695 100.0% 延伸 * Mn 691 99.4% 4 .6% 695 100.0% 屈服 * P 691 99.4% 4 .6% 695 100.0% 抗拉 * P 691 99.4% 4 .6% 695 100.0% 延伸 * P 691 99.4% 4 .6% 695 100.0% 屈服 * S 695 100.0% 0 .0% 695 100.0% 抗拉 * S 695 100.0% 0 .0% 695 100.0% 延伸 * S 695 100.0% 0 .0% 695 100.0% 屈服 * V 695 100.0% 0 .0% 695 100.0% 抗拉 * V 695 100.0% 0 .0% 695 100.0% 延伸 * V 695 100.0% 0 .0% 695 100.0% 屈服 * N 695 100.0% 0 .0% 695 100.0% 抗拉 * N 695 100.0% 0 .0% 695 100.0% 延伸 * N 695 100.0% 0 .0% 695 100.0% 屈服 * 压缩比 695 100.0% 0 .0% 695 100.0% 抗拉 * 压缩比 695 100.0% 0 .0% 695 100.0% 延伸 * 压缩比 695 100.0% 0 .0% 695 100.0% 屈服 抗拉 延伸 * C C 屈服 抗拉 延伸 总计 均值 483.6331 621.9568 27.1475 N 695 695 695 标准差 23.