本发明提供一种基于物理指导的机器学习算法的钢铁材料设计方法,涉及钢铁材料的设计和机器学习应用技术领域。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支持向量机模型;将基于物理冶金学指导的支持向量机模型的相关系数大于90%的作为遗传算法中的目标函数;得到优化后的成分、工艺及最佳目标性能的材料;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、目标性能。本方法将物理冶金机制引入到机器学习中,同时结合优化算法形成完备的设计平台,设计结果更加符合物理冶金学原理。
声明:
“基于物理指导的机器学习算法的钢铁材料设计方法” 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)