唐江凌， 蔡从中， 皇思洁， 肖婷婷

（重庆大学应用物理系，重庆 401331）

Al-Cu-Mg-Ag系铝合金是在2000系合金的基础上通过提高合金化元素纯度和改变合金元素含量以及利用新的时效工艺发展起来的。因为具有较高的强度和热稳定性，Al-Cu-Mg-Ag系铝合金是航空航天工业上很有发展潜力的中温高强材料，具有广阔的应用前景。目前，国内外新型Al-Cu-Mg-Ag合金已经从机理研究进入实际应用开发阶段［1～5］。

力学性能是铝合金的一个极其重要的性能指标，而抗拉强度、屈服强度则是铝合金材料力学性能的主要参数。因此，在生产铝合金的工艺过程中，通过建立加工工艺参数与合金力学强度关系的预测模型，对于准确估计该铝合金的力学性能具有十分重要的指导意义。然而，由于加工过程中各工艺参数与合金力学强度之间呈现出高度的非线性特性，传统的预测模型很难精确地描述它们之间的复杂关系。因此，一些新的建模方式，如偏最小二乘（PLS）、反向传播人工神经网络（BPNN）等方法被用来建立铝合金的力学性能预测模型［6，7］。尽管这些方法能较好地预测铝合金的力学性能，但它们的预测精度还不够高，泛化能力也不够理想。所以，进一步探索和寻求更加准确、有效的理论预测方法很有必要。

支持向量机（Support Vector Machines，SVM）是20世纪90年代由Vapnik等［8］提出的一种新的机器学习方法。它是在统计学习理论（Statistical Learning Theory，SLT）的VC维理论和结构风险最小化（Structure Risk Minimization，SRM）准则基础上，由给定的有限样本信息，对经验风险和泛化性能进行折中，以得到最佳的训练和泛化性能。……