摘要
本发明属于填充型场致相变材料技术领域,公开了一种填充型场致相变材料性能调控方法。本发明包括下述步骤:(1)数据集获取:从公开发表的文献、表格及图形中采集以往实验数据并形成数据集;(2)数据预处理:在Jupyter Notebook中使用Python语言来执行所有的预处理;使用StandardScaler对数据集进行标准化;(3)构建机器学习模型:采用支持向量回归、核岭回归、随机森林回归、XGBoost回归和梯度增强回归,构建填充型聚合物复合材料非线性导电性能的预测模型;(4)采用Stacking集成算法对预测结果进行整合。本发明采用SEL策略,通过整合5个基本模型提高了Eb和α模型的性能,不仅能够提升模型的预测性能,还能增强模型的泛化能力,使其在新的、未见过的数据上也能表现良好。
技术关键词
性能调控方法
构建机器学习模型
聚合物复合材料
支持向量回归
分类特征
集成算法
数据
相变材料技术
随机森林
非线性
绘图工具
编码方法
小提琴
表格
填料
训练集
策略
数值
基体
系统为您推荐了相关专利信息
定量预测模型
无铅焊料
极限抗拉强度
焊料合金
样本
生成应用程序
终端运行参数
分类特征
通道
数据采集频率
交通预测方法
K近邻算法
支持向量回归算法
特征数据库
Pearson相关系数
预测系统
电力运行数据
实时数据
数据处理模块
时间序列特征
二维图像数据
三维点云模型
网格模型
计算方法
点云技术