摘要
本发明提供了一种结合分类算法和机器学习的材料热转变特性预测方法,包括:步骤S1,获取测试样品并对测试样品进行灰化处理得到灰渣;步骤S2,对灰渣进行成分检测得到成分数据;步骤S3,利用分类算法对成分数据进行分析得到灰渣对应的灰分类型;步骤S4,基于灰渣对应的灰分类型,选择对应的机器学习算法对成分数据进行分析得到对应的热转变特性曲线。有益效果是本发明能够缩短测定材料热转变特性所需的时间,提升效率。
技术关键词
特性预测方法
测试样品
支持向量回归算法
机器学习算法
X射线荧光光谱仪
烧结灰
预测类别
支持向量机模型
梯度提升机
随机森林模型
数据
曲线
压力机
聚乙烯
衬底
低压
系统为您推荐了相关专利信息
故障预测方法
故障预测模型
游戏
应急响应措施
深度神经网络模型
针灸
膝关节
数据收集模块
智能穿戴设备
分析方法
智慧消防报警系统
数据分析模块
信息发布模块
设施
消防监管技术
老人身体
成分分析
传感器阵列
处理单元
老年人健康监测