典型文献
机器学习在材料服役性能预测中的应用
文献摘要：
针对材料服役性能预测存在误差大、计算复杂、适用性差等问题,提出了基于数据挖掘的机器学习预测方法.首先阐述了机器学习的应用流程,并总结了常用模型原理及其在材料性能预测中的应用.然后采用多种机器学习模型对RPV钢的辐照性能进行预测,并通过Stacking集成方法提高了模型的预测精度.结果表明,机器学习可用于材料服役性能预测,具有较高的预测精度和可靠性.根据材料服役数据的不同特征选择合适的学习模型,同时进行模型融合和参数优化,可有效提高模型的预测精度及运算速度.
文献关键词：
数据挖掘;机器学习;服役性能;材料工程;模型预测
中图分类号：
作者姓名：
王红珂;刘啸天;林磊;孙海涛;吕云鹤;张晏玮;薛飞
作者机构：
苏州热工研究院有限公司,江苏 苏州 215004;生态环境部核与辐射安全中心,北京 100082
文献出处：
引用格式：
[1]王红珂;刘啸天;林磊;孙海涛;吕云鹤;张晏玮;薛飞-.机器学习在材料服役性能预测中的应用)[J].装备环境工程,2022(01):11-19
A类：
B类：
服役性能,机器学习预测,应用流程,材料性能预测,机器学习模型,RPV,辐照性能,Stacking,集成方法,特征选择,模型融合,材料工程
AB值：
0.312453
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。
