申请/专利权人：四川大学

申请日：2024-01-10

公开（公告）日：2024-04-09

公开（公告）号：CN117854650A

主分类号：G16C60/00

分类号：G16C60/00;G16C20/30;G16C20/70;G06F18/27;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了基于高斯过程回归的高分子材料多目标属性预测方法，收集实验数据构成特征集，特征集中的每一条实验数据均为13维的实值向量[xi,yi]，其中，输入向量x为关于制备样品所使用的材料及工艺参数的描述，目标属性值记作y，记录使用不同合成方案制备的样品经实验方法测得的面内导热属性与垂直导热属性值；对离散型类别变量进行缺失值补充；若检测特征集存在多重共线性问题，剔除掉冗余变量，并进行标准化；训练和评估多目标属性预测模型，利用多目标属性预测模型预测分子材料的面内导热属性与垂直导热属性值。本发明在不提高数据获取成本的情况下，通过挖掘目标属性间的统计相关性，同时预测分子材料的面内导热属性与垂直导热属性。

主权项：1.一种基于高斯过程回归的高分子材料多目标属性预测方法，其特征在于，包括：步骤S100、收集实验数据构成特征集，特征集中的每一条实验数据均为13维的实值向量[xi,yi]，其中，输入向量x为关于制备样品所使用的材料及工艺参数的描述，包括基体、填料、界面改性方法、填料含量以质量分数计算、填料在基体中的形貌结构、测试样品形状以及描述加工方法的5个特征列T，P，S1，S2，S3；各个特征依次记作x1,x2,…,x11；目标属性值记作y，包括y1与y2，分别记录使用不同合成方案制备的样品经实验方法测得的面内导热属性与垂直导热属性值；步骤S200、对离散型类别变量的特征列界面改性方法、S2、S3进行缺失值补充；步骤S300、检测特征集是否存在多重共线性问题，若存在，则进行逐步回归自变量筛选，剔除掉冗余变量；否则直接进入下一步；步骤S400、对步骤S300得到的特征采用Z-score标准化方法对各个特征列进行处理，得到各个标准化特征x′i： 其中，xi为经步骤S300后输入向量的第i个特征；为对应特征列的样本均值；SDxi为对应特征列的样本标准差；步骤S500、对记录了面内导热属性的实验数据进行随机划分，在训练集上使用十折交叉验证法从若干候选核函数中选出具有最优拟合效果的核函数，及确定对应的最优模型参数起始值θinitial，完成面内导热属性的单目标属性模型Z1x的训练，并在测试集上对模型的泛化能力进行评估；步骤S600、从收集的实验数据中，选出同时记录了面内导热属性与垂直导热属性测量值的数据条目，并使用经步骤S400步骤筛选出的特征子集，将这些数据划分成训练集与测试集，在训练集上完成用于描述面内导热属性与垂直导热属性间相关性的属性相关性模型δ2x的训练，并在测试集上对模型的泛化能力进行评估；步骤S700、由面内导热属性的单目标属性预测模型Z1x及属性相关性模型δ2x，得到用于预测垂直导热属性的单目标预测模型Z2x，模型Z1x与Z2x构成了能够预测任给输入所对应的面内导热属性z1x与垂直导热属性z2x的多目标属性预测模型；步骤S800、利用多目标属性预测模型预测分子材料的面内导热属性与垂直导热属性值。

全文数据：

权利要求：

百度查询： 四川大学 基于高斯过程回归的高分子材料多目标属性预测方法

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