典型文献
基于机器学习的PVDF基复合介质储能特性数据分析与预测
文献摘要：
近年来,机器学习作为一种新型数据分析方式,在电气、材料、化学等领域都取得了优异的成果.对储能介质材料而言,以聚偏氟乙烯(polyvinylidene fluoride,PVDF)材料作为基体,向其中加入纳米填料能够极大地增加复合介质最大储能密度.该研究利用机器学习探索并建立复合介质所含填料(微观信息)-复合介质储能性能(宏观性能)的对应关系.首先,收集165组复合介质储能特性参数建立数据库,以填充相材料的特征作为输入描述符(包括固有描述符和选择描述符);其次,对原始数据进行处理,根据复合介质的最大储能密度提升倍数划分数据集标签.为达到兼顾预测精度和准确率的目的,分别设置二分类、三分类和四分类数据集,使用3种机器学习算法对数据集进行训练;最后,将11组全新的数据输入训练模型进行验证,其中7组数据可以正确预测分类,证明机器学习方法应用在高储能密度复合介质研究中的可靠性.该研究将交叉学科的前沿成果运用在复合介质的研究领域,所建数据库与训练模型将加速高性能复合介质的发现.
文献关键词：
复合介质;最大储能密度;纳米填料;机器学习;数据集标签
中图分类号：
作者姓名：
冯宇;唐文昕;张天栋;迟庆国;陈庆国
作者机构：
哈尔滨理工大学工程电介质及其应用教育部重点实验室,哈尔滨150080
文献出处：
引用格式：
[1]冯宇;唐文昕;张天栋;迟庆国;陈庆国-.基于机器学习的PVDF基复合介质储能特性数据分析与预测)[J].高电压技术,2022(05):1997-2004
A类：
B类：
基于机器学习,PVDF,复合介质,储能特性,习作,介质材料,聚偏氟乙烯,polyvinylidene,fluoride,纳米填料,最大储能密度,研究利用,所含,微观信息,储能性能,宏观性能,特性参数,描述符,原始数据,倍数,划分数据集,数据集标签,二分类,三分类,四分类,分类数据,机器学习算法,训练模型,预测分类,机器学习方法,高储能密度,交叉学科,成果运用,质的研究
AB值：
0.347153
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
