摘要
本发明涉及一种加速设计具有高磁性的铁基块体非晶合金的方法,该方法包括S1:获取n种合金的成分及其对应的饱和磁化强度,并进行数据预处理;S2:筛选出对预测具有重要影响的特征;S3:得到最终的预测模型;S4:利用投票集合学习方法结合极端梯度提升树和决策树回归两个基础模型;S5:利用一种加权平均夏普利加法解释分析来解释集合模型;S6:根据模型解释信息分析重要影响因素;S7:设计具有特定饱和磁化强度的合金成分,制备得到块体铁基非晶合金。本发明对新材料的研发具有重要加速作用,并有助于深入理解非晶合金结构‑性能构效关系。
技术关键词
块体铁基非晶合金
饱和磁化强度
梯度提升树模型
块体非晶合金
母合金
铁基非晶合金薄带
非晶合金磁性
特征选择技术
真空感应熔炼炉
超参数
集成学习模型
元素
节点
集成方法
加权特征
鲁棒性
识别特征
系统为您推荐了相关专利信息
信号特征
信号采集方法
信号识别模型
梯度提升树模型
机器学习特征
集成学习模型
分层规则
预测特征
集成学习策略
游离前列腺特异性抗原
临床检验数据
早期筛查方法
医学影像特征
电子病历
基因表达特征
人工神经网络模型
长短期记忆网络
异常状态
时序
斜角
新鲜度
梯度提升树模型
深度卷积神经网络模型
集成学习算法
环境传感器数据