摘要
本申请提供了一种涂层材料的机器学习预测方法、装置、设备及介质,属于涂层材料预测技术领域。该方法包括:基于关键环境因子特征数据、涂层物理性能参数和第一机器学习算法,得到涂层物理性能预测模型,基于涂层物理性能参数、涂层腐蚀失效程度参数和第二机器学习算法训练得到涂层腐蚀失效程度预测模型,将涂层材料待测样品的当前环境数据输入涂层物理性能预测模型,得到涂层材料待测样品的涂层物理性能预测值;将涂层材料待测样品的涂层物理性能预测值输入涂层腐蚀失效程度预测模型,得到涂层材料待测样品的涂层腐蚀失效程度参数预测值。这样,通过涂层腐蚀失效程度预测模型可精确地预测涂层的涂层腐蚀失效程度参数,提高预测准确度。
技术关键词
物理性能参数
涂层材料
机器学习算法
机器学习预测方法
数据
因子
皮尔逊相关系数
可精确地
模块
预测装置
随机森林
处理器
可读存储介质
存储器
电子设备
计算机
系统为您推荐了相关专利信息
软件
神经网络模型
指标
训练样本数据
MLP神经网络
知识图谱平台
运维知识图谱
设备运行状态
知识图谱构建
电力设备信息
多任务
历史统计数据
共享图像
混合专家网络
输出特征
自动解析方法
人行道
活动轮廓模型
协方差矩阵
特征值
蚁群算法
综合能源系统
风光储微电网系统
蚂蚁
微电网优化调度