摘要
本发明涉及多孔结构建模分析技术领域,具体为一种硅碳负极中多孔碳骨架性能预测方法、系统、设备及介质,包括以下步骤:S1,基于高斯随机场建立硅碳负极中多孔碳骨架的双连续纳米多孔结构模型;S2,以多孔碳材料的结构信息为机器学习训练的特征向量,多孔碳材料的力学性能为目标值进行模型训练;S3,进行梯度提升决策树模型训练,得到模型性能预测。本发明利用高斯随机场建立双连续纳米多孔结构模型,不仅考虑了多孔结构的随机性,还通过周期性边界条件确保了模型的连续性和一致性,为后续的性能预测提供了可靠的基础。同时利用梯度提升决策树模型,对多孔碳材料的力学性能进行预测,不仅提高了预测的准确性,还缩短了预测时间,提高了工作效率。
技术关键词
多孔碳骨架
性能预测方法
硅碳负极
多孔碳材料
纳米多孔结构
梯度提升决策树
机器学习训练
后处理模块
模型训练模块
多孔结构建模
性能预测系统
建模方法
周期性
处理器
误差
参数
正弦波
实体
系统为您推荐了相关专利信息
节点特征
性能预测方法
链路
性能预测模型
消息更新
神经网络模型
性能预测方法
深度学习神经网络
样本
忆阻器设计
性能预测方法
复合材料
图谱
训练机器学习模型
关系抽取模型
碳化硅功率器件
性能预测方法
神经网络模型
器件结构
分区
性能预测方法
优化神经网络
超参数
性能预测系统
计算机