采用单轴拉伸实验测试了不同温度下Mg-Gd-Y稀土镁合金的力学响应,表征了其塑性流动行为。结果表明,随着温度的升高,Mg-Gd-Y稀土镁合金呈现了不同程度的热软化效应,该合金的力学行为存在应变与温度的耦合效应。基于Johnson-Cook、Lim-Huh以及一种改进的多项式温度项模型,描述了Mg-Gd-Y稀土镁合金不同温度下的非线性塑性流动行为。系统地研究了激励函数、隐含层、优化率法和神经元数量等因素对人工神经网络模型拟合精度的影响,并比较了遗传算法和粒子群算法的优化效果。基于实验数据,综合比较了3种数学模型以及ANN的预测精度,发现ANN模型预测精度较高,可以准确描述温度对Mg-Gd-Y稀土镁合金力学行为的非线性影响规律。