硅酸盐 $SiO_2-R_2O-RO$ 液相线温度的非线性建模

液相线温度是理解材料结晶行为以及高炉操作中的一个重要参数。其建模可通过数据采用线性和非线性方法进行，其中人工神经网络因具有通用逼近定理而表现出更高效率，被视为一种高效的建模方法，从而带来更优的性能和更大的波动可能性。最佳线性模型与最佳非线性模型均通过结构参数建模，并呈现出良好的数值近似，由此表明数学建模可利用结构论据完成，同时也展示了一种用于建模材料热物理性质的降维方法。