摘要
本发明公开了一种振实密度预测方法、模型及其建立方法、系统、设备和存储介质。所述振实密度预测模型的建立方法包括以下步骤:S1、数据收集与处理:收集材料的若干组实际粒径分布参数和对应的实际振实密度,得到实际数据集;设置若干组仿真粒径分布参数,通过仿真软件模拟材料的堆积过程生成对应的仿真振实密度,得到仿真数据集;将实际数据集和仿真数据集合并,预处理,得到总数据集;S2、训练模型:将总数据集划分为训练集和验证集,采用机器学习模型建立粒径分布参数与振实密度之间的预测模型。本发明中的预测方法可以基于粒径分布预测振实密度,从而筛选粒径分布方案,指导负极材料的制备工艺,成本较低。
技术关键词
密度预测方法
BP神经网络模型
仿真数据
XGBoost模型
机器学习模型
仿真软件
参数
预测系统
预测误差
石墨负极材料
数据输入模块
梯度下降法
样本
处理器
网络结构
输出模块
系统为您推荐了相关专利信息
机器学习模型
彩色图像数据
配电环网柜
电弧故障诊断方法
故障诊断系统
丹参酮IIA含量
丹参酮含量
检测丹参
图像
数据处理方法
人工智能数据
数据存储结构
数据访问模式
索引
大数据
预测系统
数据
特征选择算法
情景
碳排放量预测技术