本发明提供一种基于物理冶金学指导下机器学习的低活化钢的设计方法,涉及材料计算设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集;根据训练集建立基于物理冶金学指导的集成学习算法模型;将集成学习算法模型的相关系数大于90%的作为遗传算法中的目标函数;遗传算法被用于优化设计成分及工艺获得最佳强度的低活化钢,对低活化钢的成分及工艺进行设计;对于得到的大量设计结果采用SVC分类器进行分类筛选,输出其典型合金的成分、工艺、屈服强度。该方法使基于统计学的机器学习富有了物理冶金学含义,并且该方法可以提升模型泛化能力,使设计更为高效,设计结果更加符合物理冶金学原理。
声明:
“基于物理冶金学指导下机器学习的低活化钢的设计方法” 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)