【技术实现步骤摘要】
本专利技术涉及机器学习，特别是涉及基于机器学习的工程材料选择方法、装置、介质及设备。
技术介绍
1、在井下工程中，材料的强度直接关系到矿山压力的承受能力，是确保安全的重要一环。材料强度过高或过低可能导致矿压事故，威胁到工人的生命安全，还会造成设备损坏或生产中断。因此，确保材料具有合适的强度至关重要，以应对地质压力，预防矿压事故的发生。现有技术中，针对井下工程进行施工之前，需要根据该井下工程的施工及应用工况参数对工程材料进行选择，然而，由于井下工程的施工及应用工况参数众多，工程材料的物质组成、内部晶体结构等参数也较多，因此，若每次针对特定的待施工工程进行工程材料的选择，工作量较大，并，由于其中运算过程复杂，基于人工的运算一旦中间某一个或者几个步骤出现错误，就会导致最终选择的工程材料出现偏差，轻则需要重新选择材料施工，重则还会造成在工程应用过程中的责任事故，有的甚至造成重大责任事故。因此，需要简化针对待施工工程，进行工程材料选择的方法。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于机器...
【技术保护点】
1.一种基于机器学习的工程材料选择方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的工程材料选择方法，其特征在于，将所述施工工程的施工及应用工况参数输入至基于机器学习所得的工程材料选择数学模型具体的步骤过程中，所述基于机器学习所得的工程材料选择数学模型基于以下步骤而得到，
3.根据权利要求2所述的基于机器学习的工程材料选择方法，其特征在于，还包括以下步骤：
4.根据权利要求1所述的基于机器学习的工程材料选择方法，其特征在于，还包括以下步骤：
5.根据权利要求1所述的基于机器学习的工程材料选择方法，其...
【技术特征摘要】
1.一种基于机器学习的工程材料选择方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的工程材料选择方法，其特征在于，将所述施工工程的施工及应用工况参数输入至基于机器学习所得的工程材料选择数学模型具体的步骤过程中，所述基于机器学习所得的工程材料选择数学模型基于以下步骤而得到，
3.根据权利要求2所述的基于机器学习的工程材料选择方法，其特征在于，还包括以下步骤：
4.根据权利要求1所述的基于机器学习的工程材料选择方法，其特征在于，还包括以下步骤：
5.根据权利要求1所述的基于机器学习的工程材料选择方法，其特征在于，所述待施工工程的施工及应用工况参数包括煤岩种类、含水量、含硫量中的一种或者多种。
6.根据权利要求1所述的基于机器学习的工程材料选择方法，其特征在于，所述可供选择的工程材料的特征值包括所述工程材料的物质组成、所述工程材料的晶体结...
【专利技术属性】
技术研发人员：张帅，来兴平，曹建涛，许慧聪，贾冲，辛飞龙，孙垚，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。