申请/专利权人：南京理工大学

申请日：2024-01-18

公开（公告）日：2024-04-16

公开（公告）号：CN117892629A

主分类号：G06F30/27

分类号：G06F30/27;G06F18/214;G06F119/02

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种基于机器学习的二元无机盐相变材料相变潜热预测方法及系统，包括：将二元无机盐相变潜热实验值作为输出参数；对收集的影响参数进行数学分析，筛选后作为输入参数；对输入参数和输出参数进行归一化；确定BPNN模型参数，获取模型最优超参数取值范围；构建BPNN初始模型；引入PSO算法，构建PSO‑BPNN预测模型，输入二元无机盐相变材料参数，输出相变潜热预测值。本发明对于实验室合成阶段和新型二元无机盐相变材料的相变潜热值能实现10％误差范围内的高精度预测，便于高效准确的提前判断出设计合成的新型二元无机盐相变材料是否达到目标的相变潜热性能要求。本发明满足了常见的二元无机盐的潜热预测工作，并确保了所建立预测方法及系统的广普适性。

主权项：1.一种基于机器学习的二元无机盐相变材料相变潜热预测方法，其特征在于，包括以下步骤：步骤S1、整理收集二元无机盐相变潜热实验值，作为输出参数；步骤S2、收集相变潜热的多维影响参数数据；步骤S3、对步骤S2收集的影响参数进行方差分析和皮尔逊相关性分析，筛选出与二元无机盐相变潜热相关性最高的影响参数，经过数据清洗后作为输入参数；步骤S4、对步骤S1的输出参数和步骤S3的输入参数进行归一化；步骤S5、根据归一化后的输入参数和输出参数确定BPNN模型参数，采用训练试验获取模型最优超参数取值范围；步骤S6、根据步骤S5设置的BPNN模型参数构建BPNN初始模型；步骤S7、引入PSO算法，在BPNN模型最优超参数取值范围内寻优，构建高精度PSO-BPNN预测模型；向高精度PSO-BPNN预测模型中输入二元无机盐相变材料参数，输出相变潜热预测值。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于机器学习的二元无机盐相变材料相变潜热预测方法及系统

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