0I:10.13374/j.1ssn1001053x.1997.03.014 第19卷第3期 北京科技大学学报 Vol.19 No.3 1997年6月 Journal of University of Science and Technology Beijing June 1997 人工神经网络预测纯金属的表面张力 桂玮珍”谢允安2》乔芝郁2” 1)北京科技大学信息工程学院，北京1000832)北京科技大学应用科学学院 摘要建立了以纯金属原子半径、熔点、沸点和原子化焓预测表面张力的人工神经网络模型训练 后的神经网络能较好的拟合实验数据.对40种金属的表面张力进行回想和预测结果与实验值的 偏差在可接受范围内，表明人工神经网络在纯金属表面张力预测方面有一定的前景 关键词表面张力，人工神经网络，反传学习 中图分类号TP399,O647.1 表面（界）面张力的测量难度大，影响测定结果精度的因素复杂，因而，已有的纯金属的表 面张力数据不全，不同测定结果相差极大川.在液体表面张力计算这一领域已发展了统计热 力学理论，但这一理论存在表面原子能级或势函数难以确定的困难，实用价值不大 理论上已证明)，任何函数都可以用人工神经网络以任意精度逼近，并且它不需要预先 给出模型，而只需要1组已知条件和结果组成的学习样本，即可通过自学习获得条件与结果 之间的规律.人工神经网络已用于热力学性质的预测，但将人工神经网络用于表面张力的预 测尚未见报道， 本文利用反传学习(BP)网络将纯金属的原子半径、熔点、沸点、原子化焓与纯金属熔点 时的表面张力相关联，进行了人工神经网络预测 1反传学习网简介 反传学习网采用多层结构，其拓扑结构如图 1所示.，它包括输入层，输出层和若干隐含层. 输出层 网络可以有多个输入和多个输出.每1层中包括 若干处理单元（人工神经元），每个单元可以有多 个输人，但只有1个输出，如图2所示.它是1种 中间层 输人只沿着连线单方向前进的网络—前向网 络.它的输入信息矢量经过隐层变换成输出矢量， 由网络的权值和节点函数共同作用实现从输入 空间到输出空间的正向映射 输人层、 C- 根据反传学习网络理论，每一个神经元进行 图1反传学习网络拓扑结构示意图 1996-07-16收稿，第一作者女47岁工程师 *国家自然科学基金资助项目第 19 卷 第3期 1 9 9 7年 6月 北 京 科 技 大 学 学 报 J o u r n a l o f U n i v e r s i ty o f Sc i e n e e a n d T e e h n o l o g y B e ji i n g V o l . 1 9 N o . 3 J o n e 1 9 9 7 人工神经 网络预 测 纯金属 的表面 张力 ’ 桂玮珍 ` ) 谢允安2) )l 北 京科技 大学信息工 程 学 院 , 北京 10 0 0 83 乔芝郁 2 ) 2) 北京科技大学应 用 科学 学院 摘要 建立 了 以 纯金属 原子 半径 、 熔点 、 沸点和 原 子化烩预 测表面 张力的人 工神经网络模型 . 训练 后的神经 网 络能较好 的拟 合实验数据 . 对 40 种金属 的表面 张力进行 回 想和 预 测结果 与 实验值的 偏差在可 接受范围 内 , 表 明人工神经 网 络在纯金属表面 张力预测方面 有一 定的前景 . 关键 词 表面 张力 , 人工神经网 络 , 反 传学习 中图分 类号 TP 3 9 9 , 0 6 4 7 . 1 表 面 (界 ) 面张 力 的测量难 度 大 , 影 响测 定结 果精 度 的因 素复杂 , 因而 , 已有 的纯金属 的表 面 张 力数据 不全 , 不 同测 定结 果相 差 极 大 川 . 在液 体表 面 张力 计算这 一领 域 已 发 展 了统 计热 力学 理 论z[] , 但 这一理 论存 在表 面原 子能级 或势函 数难 以 确定 的 困难 , 实用价 值不 大 . 理 论上 已 证 明3[] , 任 何 函 数 都 可 以 用人 工 神 经 网络 以 任 意 精度 逼 近 , 并且 它 不需 要 预先 给 出模型 , 而只 需要 1 组 已 知条 件和 结 果组 成 的学 习样 本 , 即 可通 过 自学 习 获 得 条件 与结 果 之 间的规律 . 人 工神 经 网络 已用 于热 力学 性质 的 预测 , 但将 人 工神 经 网络用 于 表面 张力 的预 测 尚未见 报道 . 本文 利 用 反传学 习 (B )P 网络 将纯 金 属 的原 子 半径 、 熔 点 、 沸 点 、 原 子化 烩 与纯 金 属熔 点 时的 表面 张力 相关 联 , 进 行 了人 工神 经 网络预 测 . 1 反传学 习网简介 反传 学 习 网采 用 多 层结 构 , 其拓 扑 结 构如 图 1 所示 l’, ’ 〕 . 它 包括 输 人层 、 输 出层 和 若 干隐 含层 . 网络 可 以 有 多个输 人 和 多 个 输 出 . 每 l 层 中包 括 若干处理 单元 (人工 神 经 元 ) , 每 个单元 可 以 有 多 个 输人 , 但 只 有 1 个 输 出 , 如 图 2 所 示 . 它 是 1 种 输 人 只沿 着 连 线 单方 向前 进 的 网络— 前 向网 络 . 它 的输入 信息 矢量 经过 隐层变 换成 输 出矢 量 , 由 网络 的权 值 和 节 点 函 数 共 同 作 用 实 现 从 输 人 空 间到 输出空间 的正 向映射 . 根据 反 传学 习 网络理 论 , 每 一个 神 经元 进 行 输出层 中间层 输人层 _ _ 一匆 图l 反传学 习网络拓扑结构 示意图 19 % 一 07 一 16 收稿 第一作者 女 47 岁 工程师 * 国家 自然科 学基 金资助项 目 DOI: 10. 13374 /j . issn1001 -053x. 1997. 03. 014