本發明提供一種基于物理冶金學指導下機器學習的低活化鋼的設計方法,涉及材料計算設計技術領域。本發明首先采集數據,采用多次留出法將數據劃分訓練集及測試集;根據訓練集建立基于物理冶金學指導的集成學習算法模型;將集成學習算法模型的相關系數大于90%的作為遺傳算法中的目標函數;遺傳算法被用于優化設計成分及工藝獲得最佳強度的低活化鋼,對低活化鋼的成分及工藝進行設計;對于得到的大量設計結果采用SVC分類器進行分類篩選,輸出其典型合金的成分、工藝、屈服強度。該方法使基于統計學的機器學習富有了物理冶金學含義,并且該方法可以提升模型泛化能力,使設計更為高效,設計結果更加符合物理冶金學原理。
聲明:
“基于物理冶金學指導下機器學習的低活化鋼的設計方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)