本发明公开了一种利用可解释性的XGBoost机器学习算法设计高热稳定性铁基软磁非晶合金的方法,具体的步骤包括:(1)建立铁基非晶合金数据集;(2)数据集预处理;(3)通过机器学习建立预测模型,进行重要特征提取;(4)挖掘重要特征背后的物理意义,建立具有高准确度的合金设计准则;(5)合金设计准则的实验验证。本发明基于现有铁基非晶合金软磁性能和热稳定性的实验数据,利用机器学习模型可同时预测未知铁基软磁非晶合金的饱和磁感应强度(B
s)和初始晶化温度(T
x),具有工作量小、可解释性强、精度高、可靠性高、可操作性强等优点,可应用于设计不同体系铁基软磁非晶合金,显著提高了新型高性能软磁合金开发的效率、降低研发成本。
声明:
“基于机器学习模型设计高热稳定性铁基软磁非晶合金” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)