申请/专利权人：中国人民解放军军事科学院国防科技创新研究院

申请日：2022-03-29

公开（公告）日：2024-04-12

公开（公告）号：CN114781207B

主分类号：G06F30/23

分类号：G06F30/23;G06F30/27;G06F119/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：本发明公开了一种基于不确定性和半监督学习的热源布局温度场预测方法，包括：获取第一训练数据和第二训练数据；对训练数据进行预处理；构建深度学习神经网络模型；对深度学习神经网络模型进行随机初始化，利用第一训练数据对模型进行训练，重复进行多次随机初始化和训练过程，得到多个训练好的模型；确定待更新模型和辅助模型；将第二训练数据的组件布局输入辅助模型，计算组件布局对应的预测温度场和预测不确定性；利用第一训练数据、第二训练数据及其对应的预测温度场和预测不确定性对待更新模型进行训练；利用待更新模型进行温度场的预测。本发明能够利用少量有标签训练数据得到具有较高预测精度的深度学习代理模型，降低计算成本。

主权项：1.一种基于不确定性和半监督学习的热源布局温度场预测方法，其特征在于，包括：获取第一训练数据和第二训练数据，其中，所述第一训练数据包括组件布局及其对应的温度场，所述第二训练数据包括组件布局；对所述第一训练数据和所述第二训练数据进行预处理；构建深度学习神经网络模型；对深度学习神经网络模型进行随机初始化，利用所述第一训练数据对深度学习神经网络模型进行训练，得到一个训练好的深度学习神经网络模型，重复进行多次随机初始化和训练过程，得到多个训练好的深度学习神经网络模型；确定待更新模型和辅助模型，其中，所述待更新模型为所述多个训练好的深度学习神经网络模型中预测性能最佳的一个深度学习神经网络模型，所述辅助模型为所述多个训练好的深度学习神经网络模型中除所述待更新模型外的其他模型；将所述第二训练数据的组件布局输入所述辅助模型，计算输入的组件布局对应的预测温度场和预测不确定性；利用所述第一训练数据、所述第二训练数据及其对应的预测温度场和预测不确定性对所述待更新模型进行训练以更新模型参数；利用训练后的所述待更新模型进行组件布局温度场的预测；所述获取第一训练数据和第二训练数据，包括：对组件布局区域进行网格划分，根据组件数量随机挑选对应数量的网格放置组件得到一个组件布局，利用有限元方法仿真计算组件布局对应的温度场，得到一个包括组件布局及组件布局对应的温度场的第一训练数据，重复多次随机获取过程直至获得第一预设数量的第一训练数据；对组件布局区域进行网格划分，根据组件数量随机挑选对应数量的网格放置组件得到一个组件布局，得到一个包括组件布局的第二训练数据，重复多次随机获取过程直至获得第二预设数量的第二训练数据；设定：将组件布局区域划分为M1×M2网格进行组件布局；所述对所述第一训练数据和所述第二训练数据进行预处理，包括：将所述第一训练数据的组件布局和所述第二训练数据的组件布局用维度为M1×M2的矩阵表示，有组件的网格位置对应的矩阵元素为组件功率，无组件的网格位置对应的矩阵元素为0。

全文数据：

权利要求：

百度查询： 中国人民解放军军事科学院国防科技创新研究院 基于不确定性和半监督学习的热源布局温度场预测方法

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