申请/专利权人：昆明理工大学

申请日：2023-10-10

公开（公告）日：2024-01-09

公开（公告）号：CN117373561A

主分类号：G16C20/30

分类号：G16C20/30;G16C20/70;G06N3/0499;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本发明涉及一种碱激发胶凝材料碳化性能的预测模型构建方法，包括：S10、基于原始样本数据进行预处理，得到预处理样本数据；S20、确定影响碱激发胶凝材料碳化性能的关键变量；S30、构建初始的预测模型；从预处理样本数据中筛选出训练样本数据；所述训练样本数据包括：训练数据集和测试数据集；S40、基于损失函数，分别根据多种参数优化算法，将所述训练数据集输入初始的预测模型进行训练，得到多个训练后的预测模型；损失函数为基于先验知识对初始的预测模型设定的收敛条件；S50、根据测试数据集评估训练后的预测模型的性能，将性能最佳的预测模型作为最终的预测模型。本发明的构建方法利用先验知识，提高了模型的预测精度。

主权项：1.一种碱激发胶凝材料碳化性能的预测模型构建方法，其特征在于，包括：S10、基于原始样本数据进行预处理，得到预处理样本数据；S20、基于所述预处理样本数据进行变量相关性分析和变量敏感性分析，确定影响碱激发胶凝材料碳化性能的关键变量；S30、构建初始的预测模型；以及，从所述预处理样本数据中筛选出所述关键变量对应的数据作为训练样本数据；所述训练样本数据包括：训练数据集和测试数据集；S40、基于预设的损失函数，分别根据多种参数优化算法，将所述训练数据集输入所述初始的预测模型进行训练，得到与所述多种参数优化算法对应的多个训练后的预测模型；其中，所述预设的损失函数为基于先验知识对初始的预测模型设定的收敛条件；S50、基于预设的评价指标，根据测试数据集评估所述多个训练后的预测模型的性能，将性能最佳的预测模型作为最终的预测模型。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种碱激发胶凝材料碳化性能的预测模型构建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD