鎂鋁合金材料優(yōu)化的體系結(jié)構(gòu)為帶有邏輯s型傳遞函數(shù)的12-12-1體系結(jié)構(gòu)。鎂鋁合金材料采用R、MSE和MAE值作為誤差標(biāo)準(zhǔn)。在測(cè)試集中得到最小的MSE和MAE值以及最大的R值。輸入矢量對(duì)Al-Mg2Si復(fù)合材料UTS的靈敏度如圖8所示。Mg對(duì)Al-Mg2Si復(fù)合材料的抗拉強(qiáng)度影響較大，因?yàn)殒V鋁合金材料相的尺寸和形貌與含Mg和Si元素復(fù)合材料的力學(xué)性能呈線性關(guān)系。結(jié)果表明，所有的數(shù)據(jù)集都具有較高的相關(guān)性和準(zhǔn)確性，因此，所提出的數(shù)學(xué)函數(shù)可以用于神經(jīng)網(wǎng)絡(luò)研究。

鎂鋁合金材料用人工神經(jīng)網(wǎng)絡(luò)計(jì)算了未精煉Al-Zn-Mg-Cu合金和Al-5Ti-1B和Al-5Zr中間合金精煉后的UTS。沒(méi)有定義良好的程序來(lái)確定最優(yōu)模型結(jié)構(gòu)，因此在一個(gè)隱藏層(5-20)中使用不同的神經(jīng)元數(shù)目與試錯(cuò)方法。該工程的最優(yōu)結(jié)構(gòu)為帶邏輯s型傳遞函數(shù)的15-17-1結(jié)構(gòu)。采用R、MAE和MSE對(duì)數(shù)據(jù)集的性能進(jìn)行評(píng)價(jià)。靈敏度結(jié)果顯示，Mg元素和熱處理對(duì)Al-Zn-Mg-Cu合金的抗拉強(qiáng)度有較高的影響。因?yàn)楹辖鹪嘏c其他金屬相互作用，形成金屬間化合物，這些化合物通過(guò)熱處理析出，從而產(chǎn)生高強(qiáng)度。

鎂鋁合金材料并利用該公式研究了鈧和碳含量的影響。當(dāng)鈧和碳的添加量分別為0.5 Sc和0.01 C wt.%時(shí)，可獲得最大的UTS值。所得公式的預(yù)測(cè)模型具有較高的可靠性。采用神經(jīng)網(wǎng)絡(luò)方法研究了Al-Mg-Ti合金的抗拉強(qiáng)度、延性、孔隙率、硬度和密度。通過(guò)靈敏度分析，檢驗(yàn)了輸入?yún)?shù)的影響。鎂鋁合金材料所有輸入變量中的Mg元素對(duì)合金的UTS和硬度的影響最大，而Ti元素具有密度和延性。所有變量的線性相關(guān)值都高于0.91，模型精度非常高。采用神經(jīng)網(wǎng)絡(luò)和回歸模型研究了增強(qiáng)和變形對(duì)赤泥納米顆粒增強(qiáng)鋁基復(fù)合材料體積磨損的影響。

鎂鋁合金材料采用函數(shù)的激活函數(shù)、RMSE和MAPE，四個(gè)輸入?yún)?shù)，兩個(gè)隱含層，分別包含7個(gè)和6個(gè)神經(jīng)元，1個(gè)輸出參數(shù)為容量，訓(xùn)練集124個(gè)數(shù)據(jù)，測(cè)試集20個(gè)數(shù)據(jù)。回歸和ANN模型的R2和MAPE分別為0.9775和0.989,12.96和7.30%，ANN模型的RMSE為0.3177。結(jié)果表明，與數(shù)學(xué)回歸模型相比，人工神經(jīng)網(wǎng)絡(luò)方法能較好地預(yù)測(cè)復(fù)合材料的磨損率，并能有效地減少時(shí)間、精力和成本。