基于机器学习算法的硼酸盐玻璃光学带隙预测、验证方法

本发明涉及光学带隙预测技术领域，具体涉及一种基于机器学习算法的硼酸盐玻璃光学带隙预测、验证方法，该预测方法包括：获取硼酸盐玻璃成分和光学带隙数据，并进行预处理，从预处理后的硼酸盐玻璃成分和光学带隙数据中分离得到验证集；构建数据库生成训练集和测试集；构建ANN模型，并定义ANN模型的参数范围，基于训练集针对不同参数对ANN模型进行训练，训练后的ANN模型结合模型评估分数构建ML模型；将训练集输入至ML模型中得到评估分数，对训练集的所有评估分数进行比对确定最优ML模型，基于测试集获取预测光学带隙数据；即优化人工神经网络模型，加入for循环自动训练，提高了模型训练效率，实现了边训练边评估的预测方法。