摘要
本发明提供基于虚拟样本生成与迁移学习的不锈钢腐蚀速率预测方法,涉及数据驱动的预测模型技术领域,方法包括:S1、获取目标不锈钢材料腐蚀数据和低合金钢腐蚀数据,进行标准化处理;S2、基于SMOTE的虚拟样本生成方法确定虚拟样本数据生成的方向和范围,生成不锈钢材料数据合成样本;S3、构建不锈钢材料的跨领域迁移学习模型,利用低合金钢腐蚀数据训练人工神经网络模型,并迁移到目标域模型;S4、构建目标不锈钢材料的腐蚀性能预测优化模型,优化输出得到目标不锈钢材料的腐蚀预测结果。本发明通过虚拟样本生成技术与迁移学习实现跨领域腐蚀规律迁移,通过提高基础数据量,为不锈钢腐蚀速率评估提供高效可靠的解决方案。
技术关键词
不锈钢材料
腐蚀速率预测方法
人工神经网络模型
迁移学习模型
网状拓扑
低合金钢
特征提取器
虚拟样本生成方法
训练集数据
预测模型技术
参数
生成技术
数据中心
矩阵
误差
系统为您推荐了相关专利信息
肿瘤
特征提取模块
图像处理模块
图像获取模块
人工神经网络模型
人工神经网络模型
子系统
热中子
迁移学习算法
中子灵敏材料
铝电解电容器
人工神经网络模型
烧结工艺参数
多层前馈神经网络
高分子脱模剂
装配式桥墩
性能化抗震设计方法
结构设计参数
预应力筋
抗震设计技术