基于IPSO-WRF的选择性激光烧结件气泡溶解时间预测模型
TH164; 针对选择性激光烧结(Selective Laser Sintering,SLS)件成型过程中因气泡导致的质量缺陷问题,提出一种基于改进粒子群(Improved Particle Swarm Optimization,IPSO)算法优化的加权随机森林(Weighted Random Forest,WRF)预测方法,用于实现气泡溶解时间的有效预测.该方法利用IPSO算法优化WRF分裂属性个数和决策树数量两个关键参数,构建IPSO-WRF预测模型.数值实例表明,与PSO-RF,PSO-KELM预测模型的预测结果相比,基于相同的训练样本和测试样本,气泡溶解时间IPSO-WRF的预测模型能...
Gespeichert in:
| Veröffentlicht in: | 计算机科学 2021, Vol.48 (z2), p.638-643 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 643 |
|---|---|
| container_issue | z2 |
| container_start_page | 638 |
| container_title | 计算机科学 |
| container_volume | 48 |
| creator | 张天瑞 魏铭琦 高秀秀 |
| description | TH164; 针对选择性激光烧结(Selective Laser Sintering,SLS)件成型过程中因气泡导致的质量缺陷问题,提出一种基于改进粒子群(Improved Particle Swarm Optimization,IPSO)算法优化的加权随机森林(Weighted Random Forest,WRF)预测方法,用于实现气泡溶解时间的有效预测.该方法利用IPSO算法优化WRF分裂属性个数和决策树数量两个关键参数,构建IPSO-WRF预测模型.数值实例表明,与PSO-RF,PSO-KELM预测模型的预测结果相比,基于相同的训练样本和测试样本,气泡溶解时间IPSO-WRF的预测模型能够获得误差更小且更接近于实际值的输出结果.MAE,MAPE,RMSE指标表明,IPSO-WRF预测模型具有比PSO-RF模型和PSO-KELM模型更高的非线性拟合能力和预测精度.最后,通过敏感性分析确定对气泡溶解时间影响最显著的输入参数,为SLS技术的发展提供理论依据. |
| doi_str_mv | 10.11896/jsjkx.210300080 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_jsjkx2021z2106</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>jsjkx2021z2106</wanfj_id><sourcerecordid>jsjkx2021z2106</sourcerecordid><originalsourceid>FETCH-wanfang_journals_jsjkx2021z21063</originalsourceid><addsrcrecordid>eNpjYJAwNNAzNLSwNNPPKs7KrtAzMjQwNjAwsDBgYeA0NDAw0jU0No_gYOAtLs5MMjAyNjMBQkNOBven83c92dXnGRDsrxse5PZ8VsvLhs5n3SufNSx_tr_haWvn8-blz3dPfrJ727MNU55tXvhs17YXyxc_m77t5fQtLxe1PNva_WzFwqfzunkYWNMSc4pTeaE0N4Oam2uIs4dueWJeWmJeenxWfmlRHlAmHuw8IwMjwyqgE82MiVYIAFI0WdI</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于IPSO-WRF的选择性激光烧结件气泡溶解时间预测模型</title><source>DOAJ Directory of Open Access Journals</source><creator>张天瑞 ; 魏铭琦 ; 高秀秀</creator><creatorcontrib>张天瑞 ; 魏铭琦 ; 高秀秀</creatorcontrib><description>TH164; 针对选择性激光烧结(Selective Laser Sintering,SLS)件成型过程中因气泡导致的质量缺陷问题,提出一种基于改进粒子群(Improved Particle Swarm Optimization,IPSO)算法优化的加权随机森林(Weighted Random Forest,WRF)预测方法,用于实现气泡溶解时间的有效预测.该方法利用IPSO算法优化WRF分裂属性个数和决策树数量两个关键参数,构建IPSO-WRF预测模型.数值实例表明,与PSO-RF,PSO-KELM预测模型的预测结果相比,基于相同的训练样本和测试样本,气泡溶解时间IPSO-WRF的预测模型能够获得误差更小且更接近于实际值的输出结果.MAE,MAPE,RMSE指标表明,IPSO-WRF预测模型具有比PSO-RF模型和PSO-KELM模型更高的非线性拟合能力和预测精度.最后,通过敏感性分析确定对气泡溶解时间影响最显著的输入参数,为SLS技术的发展提供理论依据.</description><identifier>ISSN: 1002-137X</identifier><identifier>DOI: 10.11896/jsjkx.210300080</identifier><language>chi</language><publisher>沈阳大学机械工程学院 沈阳 110041</publisher><ispartof>计算机科学, 2021, Vol.48 (z2), p.638-643</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/jsjkx/jsjkx.jpg</thumbnail><link.rule.ids>314,778,782,862,4012,27906,27907,27908</link.rule.ids></links><search><creatorcontrib>张天瑞</creatorcontrib><creatorcontrib>魏铭琦</creatorcontrib><creatorcontrib>高秀秀</creatorcontrib><title>基于IPSO-WRF的选择性激光烧结件气泡溶解时间预测模型</title><title>计算机科学</title><description>TH164; 针对选择性激光烧结(Selective Laser Sintering,SLS)件成型过程中因气泡导致的质量缺陷问题,提出一种基于改进粒子群(Improved Particle Swarm Optimization,IPSO)算法优化的加权随机森林(Weighted Random Forest,WRF)预测方法,用于实现气泡溶解时间的有效预测.该方法利用IPSO算法优化WRF分裂属性个数和决策树数量两个关键参数,构建IPSO-WRF预测模型.数值实例表明,与PSO-RF,PSO-KELM预测模型的预测结果相比,基于相同的训练样本和测试样本,气泡溶解时间IPSO-WRF的预测模型能够获得误差更小且更接近于实际值的输出结果.MAE,MAPE,RMSE指标表明,IPSO-WRF预测模型具有比PSO-RF模型和PSO-KELM模型更高的非线性拟合能力和预测精度.最后,通过敏感性分析确定对气泡溶解时间影响最显著的输入参数,为SLS技术的发展提供理论依据.</description><issn>1002-137X</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNpjYJAwNNAzNLSwNNPPKs7KrtAzMjQwNjAwsDBgYeA0NDAw0jU0No_gYOAtLs5MMjAyNjMBQkNOBven83c92dXnGRDsrxse5PZ8VsvLhs5n3SufNSx_tr_haWvn8-blz3dPfrJ727MNU55tXvhs17YXyxc_m77t5fQtLxe1PNva_WzFwqfzunkYWNMSc4pTeaE0N4Oam2uIs4dueWJeWmJeenxWfmlRHlAmHuw8IwMjwyqgE82MiVYIAFI0WdI</recordid><startdate>2021</startdate><enddate>2021</enddate><creator>张天瑞</creator><creator>魏铭琦</creator><creator>高秀秀</creator><general>沈阳大学机械工程学院 沈阳 110041</general><general>东北大学机械工程与自动化学院 沈阳 110819%沈阳大学机械工程学院 沈阳 110041</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2021</creationdate><title>基于IPSO-WRF的选择性激光烧结件气泡溶解时间预测模型</title><author>张天瑞 ; 魏铭琦 ; 高秀秀</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_jsjkx2021z21063</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2021</creationdate><toplevel>online_resources</toplevel><creatorcontrib>张天瑞</creatorcontrib><creatorcontrib>魏铭琦</creatorcontrib><creatorcontrib>高秀秀</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>计算机科学</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>张天瑞</au><au>魏铭琦</au><au>高秀秀</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于IPSO-WRF的选择性激光烧结件气泡溶解时间预测模型</atitle><jtitle>计算机科学</jtitle><date>2021</date><risdate>2021</risdate><volume>48</volume><issue>z2</issue><spage>638</spage><epage>643</epage><pages>638-643</pages><issn>1002-137X</issn><abstract>TH164; 针对选择性激光烧结(Selective Laser Sintering,SLS)件成型过程中因气泡导致的质量缺陷问题,提出一种基于改进粒子群(Improved Particle Swarm Optimization,IPSO)算法优化的加权随机森林(Weighted Random Forest,WRF)预测方法,用于实现气泡溶解时间的有效预测.该方法利用IPSO算法优化WRF分裂属性个数和决策树数量两个关键参数,构建IPSO-WRF预测模型.数值实例表明,与PSO-RF,PSO-KELM预测模型的预测结果相比,基于相同的训练样本和测试样本,气泡溶解时间IPSO-WRF的预测模型能够获得误差更小且更接近于实际值的输出结果.MAE,MAPE,RMSE指标表明,IPSO-WRF预测模型具有比PSO-RF模型和PSO-KELM模型更高的非线性拟合能力和预测精度.最后,通过敏感性分析确定对气泡溶解时间影响最显著的输入参数,为SLS技术的发展提供理论依据.</abstract><pub>沈阳大学机械工程学院 沈阳 110041</pub><doi>10.11896/jsjkx.210300080</doi></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1002-137X |
| ispartof | 计算机科学, 2021, Vol.48 (z2), p.638-643 |
| issn | 1002-137X |
| language | chi |
| recordid | cdi_wanfang_journals_jsjkx2021z2106 |
| source | DOAJ Directory of Open Access Journals |
| title | 基于IPSO-WRF的选择性激光烧结件气泡溶解时间预测模型 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-16T20%3A57%3A26IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8EIPSO-WRF%E7%9A%84%E9%80%89%E6%8B%A9%E6%80%A7%E6%BF%80%E5%85%89%E7%83%A7%E7%BB%93%E4%BB%B6%E6%B0%94%E6%B3%A1%E6%BA%B6%E8%A7%A3%E6%97%B6%E9%97%B4%E9%A2%84%E6%B5%8B%E6%A8%A1%E5%9E%8B&rft.jtitle=%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6&rft.au=%E5%BC%A0%E5%A4%A9%E7%91%9E&rft.date=2021&rft.volume=48&rft.issue=z2&rft.spage=638&rft.epage=643&rft.pages=638-643&rft.issn=1002-137X&rft_id=info:doi/10.11896/jsjkx.210300080&rft_dat=%3Cwanfang_jour%3Ejsjkx2021z2106%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=jsjkx2021z2106&rfr_iscdi=true |