材料性能预测模型的构建方法、材料性能预测方法和系统技术方案

本发明专利技术属于材料科学技术领域，具体涉及一种材料性能预测模型的构建方法、材料性能预测方法和系统。本发明专利技术包括如下步骤：采集已标记的样本集；构建未标记样本空间；基于已标记的样本集构建若干个训练集；利用若干个训练集训练机器学习模型，得到若干个预测模型；采用若干个预测模型对未标记样本空间内的样本进行预测，对于每一个未标记样本获得若干预测值，根据预测值的不确定度选择下一轮需要标记的样本；标记选择的样本，并将标记后的样本加入已标记的样本集；将选择的样本剔除未标记样本空间；重复上述操作直到得到的预测模型的预测性能符合要求。本发明专利技术实现了用较少的样本建立有效的材料性能预测模型的目的，具有很好的应用前景。用前景。用前景。

【技术实现步骤摘要】
材料性能预测模型的构建方法、材料性能预测方法和系统


[0001]本专利技术属于材料科学
，具体涉及一种材料性能预测模型的构建方法、材料性能预测方法和系统。

技术介绍

[0002]新材料的开发是材料科学的重要任务。而对于各种复合材料的开发，对配方进行改进并测试各种配方下材料的性能是一项重要的工作。然而，现有的材料配方优化大多采用试错法，在复合材料的配方中组分较多的情况下，这个改进的过程需要设置较多的实验组，进行大量的材料制备、测试和数据处理工作，工作量较大且成本较高，这大大限制了相关材料的开发工作。
[0003]目前，机器学习的发展使得该技术已经应用于各
，能够实现对各种任务的预测。为了解决材料开发过程中的效率和成本问题，在材料性能的机器学习预测方面，也已经有相关的研究。例如，中国专利技术专利申请“CN202010415084.0一种基于深度学习的材料性能预测方法”提供了一种利用深度学习模型预测材料性能的方法。
[0004]然而，材料性能预测模型的训练需要使用较多的训练数据，这意味着在模型训练阶段构建训练集时，也需要大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种材料性能预测模型的构建方法，其特征在于，包括如下步骤：步骤1，采集已标记的样本集；构建未标记样本空间；步骤2，基于已标记的样本集构建若干个训练集；步骤3，利用若干个训练集训练机器学习模型，得到若干个预测模型；步骤4，采用若干个预测模型对未标记样本空间内的样本进行预测，对于每一个未标记样本获得若干预测值，根据预测值的不确定度选择下一轮需要标记的样本；步骤5，标记步骤4选择的样本，并将标记后的样本加入已标记的样本集；将步骤4选择的样本剔除未标记样本空间；步骤6，重复步骤2至步骤5若干次，直到步骤3得到的至少一个预测模型的预测性能符合要求，选择预测性能符合要求的预测模型作为最终的材料性能预测模型A。2.按照权利要求1所述的材料性能预测模型的构建方法，其特征在于：所述样本是特定实验组制备得到的烧蚀材料，所述预测模型的输出为烧蚀材料的性能数据。3.按照权利要求1所述的材料性能预测模型的构建方法，其特征在于：步骤1中，初始的已标记的样本集中，样本采用均匀设计的方式进行实验组的设计；和/或，步骤2中，构建若干个训练集的方法是对所述已标记的样本集进行若干次有放回的随机抽样；和/或，步骤4中，预测值的不确定度根据标准差进行判断，选择预测值的标准差最大的若干个样本作为所述下一轮需要标记的样本。4.按照权利要求1所述的材料性能预测模型的构建方法，其特征在于，还包括：步骤7，对已标记的样本集进行虚拟样本生成，扩充所述已标记的...

【专利技术属性】
技术研发人员：邹华维，周楚翔，闫丽伟，
申请(专利权)人：四川大学，
类型：发明
国别省市：