国产性70yerg老太,狠狠的日,欧美人与动牲交a免费,中文字幕成人网站

基本信息

項目名稱:
基于支持向量回歸方法的建模與優(yōu)化
小類:
數(shù)理
簡介:
本作品利用支持向量回歸方法(Support Vector Regression, SVR)為指導(dǎo),建立的相關(guān)數(shù)學(xué)模型,用于優(yōu)化材料制備工藝參數(shù),預(yù)測材料性能,可有效地縮短材料研發(fā)時間,極大地推動科學(xué)化設(shè)計高性能新型功能材料技術(shù)的發(fā)展,具有重要的學(xué)術(shù)價值,將產(chǎn)生重大社會效益和經(jīng)濟效益?;诹W尤簠?shù)尋優(yōu)的SVR方法,概述了SVR在社會科學(xué)領(lǐng)域、經(jīng)濟管理領(lǐng)域和工程領(lǐng)域中的應(yīng)用,并著重探索了SVR在材料領(lǐng)域的應(yīng)用。SVR遵守結(jié)構(gòu)風(fēng)險最小化原則,比其它各種回歸方法的泛化能力要強得多,是目前泛化能力最強的科學(xué)計算方法之一。獨創(chuàng)性地將SVR用于7005鋁合金、氘燈、烯烴和烷烴這三個重要的材料研究領(lǐng)域,取得了優(yōu)于傳統(tǒng)方法的結(jié)果。
詳細介紹:
本作品系統(tǒng)地分析和歸納總結(jié)了現(xiàn)有的材料實驗數(shù)據(jù)處理方法,將支持向量回歸(Support Vector Regression,SVR)方法用于材料制備工藝參數(shù)的優(yōu)化和性能預(yù)測。SVR是一種普適性極強的新型回歸方法,除了應(yīng)用于材料領(lǐng)域之外,還可廣泛應(yīng)用于生物學(xué)、醫(yī)學(xué)、環(huán)境保護、信息技術(shù)、農(nóng)業(yè)、交通運輸、工程技術(shù)、化學(xué)化工、物理學(xué)、工業(yè)制造業(yè)、商業(yè)等領(lǐng)域。本研究主要探索了SVR在材料領(lǐng)域中的應(yīng)用,得到了較好的結(jié)果。本作品概述了SVR在社會科學(xué)領(lǐng)域、經(jīng)濟管理領(lǐng)域和工程領(lǐng)域中的應(yīng)用,并著重探索了SVR在材料領(lǐng)域的應(yīng)用。表明:SVR具有極大的推廣應(yīng)用價值。 長期以來,材料科學(xué)工作者在研究材料的成分、工藝、組織與性能之間的關(guān)系時,大多采用試錯法,耗費了大量的人力、物力、財力和時間,并且可靠性較低。因此以新的理論方法為主導(dǎo),用于優(yōu)化材料制備工藝參數(shù)來設(shè)計材料,可有效地縮短研發(fā)時間、提高效率、節(jié)約資源,將極大地推動科學(xué)地設(shè)計高性能新型功能材料技術(shù)的發(fā)展,具有重要的學(xué)術(shù)價值,必將產(chǎn)生重大的社會效益和經(jīng)濟效益。 1.作品首先系統(tǒng)地研究了傳統(tǒng)實驗的數(shù)據(jù)處理方法(如多元線性回歸、嶺回歸、偏最小二乘回歸方法),分析其適用范圍及優(yōu)缺點;引入近十幾年來發(fā)展起來的多種理論方法(如粒子群算法等)對參數(shù)進行優(yōu)化;引入SVR,用以提高模型的擬合精度和預(yù)測準確率。 2. 作品重點探索了SVR在材料制備工藝參數(shù)優(yōu)化和性能預(yù)測中的應(yīng)用。材料的性能與其制備工藝參數(shù)息息相關(guān),作品利用基于粒子群參數(shù)尋優(yōu)的SVR方法建立了相關(guān)模型,并對材料性能進行了預(yù)測。此外,還根據(jù)在不同工藝參數(shù)下7005鋁合金的力學(xué)性能(抗拉強度、屈服強度和硬度)實測數(shù)據(jù)集,首次應(yīng)用基于粒子群算法(PSO)尋優(yōu)參數(shù)的SVR理論,結(jié)合留一交叉驗證(LOOCV)法,對7005鋁合金的力學(xué)性能進行了建模和預(yù)測,并與偏最小二乘法(PLS)、反向傳播人工神經(jīng)網(wǎng)絡(luò)(BPNN)和兩者結(jié)合模型(PLS-BPNN)的預(yù)測結(jié)果進行了比較。結(jié)果表明,SVR所建模型的預(yù)測精度最高;根據(jù)氘燈的輻亮度值及其有關(guān)特性指標值的數(shù)據(jù)集,建立了氘燈的有關(guān)特性指標值與輻亮度值的SVR預(yù)測模型,通過比較SVR和傳統(tǒng)方法的預(yù)測結(jié)果,得出SVR模型具有更高的預(yù)測精度;結(jié)合定量結(jié)構(gòu)-性質(zhì)相關(guān)性等理論,建立了烴類(包括烯烴和烷烴)化合物的閃點與沸點、路徑數(shù)2、路徑數(shù)3的SVR預(yù)測模型,與多元線性回歸方法相比,SVR的預(yù)測精度更高。上述結(jié)果表明:SVR模型的預(yù)測效果較傳統(tǒng)的回歸方法有明顯的改進。 3. 作品創(chuàng)新發(fā)展了材料制備工藝參數(shù)優(yōu)化、特性預(yù)測的材料性能研究新思路和新途徑,成功地嘗試了將SVR方法用于相關(guān)材料的工藝優(yōu)化及性能預(yù)測。選取了氘燈、烷烴和烯烴、7005鋁合金為實例分別對它們的輻亮度、閃點值、力學(xué)性能等進行預(yù)測,得到了與實驗值吻合較好的預(yù)測結(jié)果,證明了作品研究的可行性和科學(xué)性,為材料制備和材料性能研究開辟了一條新途徑。利用不同工藝參數(shù)下材料性能的SVR預(yù)測模型,對材料的相關(guān)制備工藝參數(shù)進行了優(yōu)化,可為進一步提升材料/產(chǎn)品的性能提供科學(xué)指導(dǎo),因而具有重要的實際應(yīng)用和推廣價值。

作品專業(yè)信息

撰寫目的和基本思路

目的:以SVR為指導(dǎo),用于優(yōu)化材料制備工藝參數(shù)和性能預(yù)測,從而有效地縮短研發(fā)時間、提高效率、節(jié)約資源,將產(chǎn)生重大社會和經(jīng)濟效益;驗證SVR的優(yōu)良內(nèi)插、外推能力,和普遍適用性,并推廣到其他領(lǐng)域。 思路:選取在自然科學(xué)和工程領(lǐng)域中重要的材料為研究對象,利用基于留一交叉驗證法的SVR和粒子群算法尋優(yōu)手段,建立預(yù)測模型,結(jié)合具體材料分析各種特征因子對材料制備工藝參數(shù)或是材料性能的影響,最后完成作品。

科學(xué)性、先進性及獨特之處

SVR遵守結(jié)構(gòu)風(fēng)險最小化原則,比其它各種回歸方法的泛化能力要強得多,是目前泛化能力最強的科學(xué)計算方法之一。將SVR用于材料制備工藝參數(shù)優(yōu)化和性能預(yù)測方面,目前在我國各個領(lǐng)域的應(yīng)用的報道較少(參見查新報告)。 目前國內(nèi)研究SVR這一先進回歸方法的學(xué)者較少,尤其是將其引入到材料制備工藝參數(shù)優(yōu)化和材料性能預(yù)測方面的工作更是具有極大地發(fā)展和應(yīng)用前景。

應(yīng)用價值和現(xiàn)實意義

SVR是一種普適性極強的新型回歸方法,除了應(yīng)用于材料領(lǐng)域之外,還可廣泛應(yīng)用于生物學(xué)、醫(yī)學(xué)、環(huán)境保護、信息技術(shù)、工程技術(shù)等領(lǐng)域,具有極大的應(yīng)用推廣價值。 作品利用新的數(shù)據(jù)處理方法為指導(dǎo),建立的相關(guān)數(shù)學(xué)模型,可用于優(yōu)化材料制備工藝參數(shù),預(yù)測材料性能,可有效地縮短材料研發(fā)時間、節(jié)約資源,能極大地推動科學(xué)化設(shè)計高性能新型功能材料技術(shù)的發(fā)展,具有重要的學(xué)術(shù)價值,將產(chǎn)生重大社會效益和經(jīng)濟效益。

學(xué)術(shù)論文摘要

可燃性有機物閃點的精準確定在人們的實際生活和生產(chǎn)中非常重要。采用SVR,結(jié)合定量結(jié)構(gòu)-性質(zhì)相關(guān)性等理論,建立起了烴類(包括烯烴和烷烴)化合物的閃點與沸點、路徑數(shù)2、路徑數(shù)3的關(guān)系模型。氘燈作為真空紫外的標準燈,其光輻射亮度值與該標準的其它特性指標值存在著某種聯(lián)系。根據(jù)氘燈樣本的輻亮度值及其有關(guān)影響因素數(shù)據(jù)集,利用基于PSO尋優(yōu)的SVR方法,建立了影響氘燈輻亮度的相關(guān)因素與輻亮度值的SVR預(yù)測模型,并與BP神經(jīng)網(wǎng)絡(luò)模型和投影尋蹤回歸模型的預(yù)測結(jié)果進行了比較。根據(jù)7005鋁合金在不同工藝參數(shù)下合金的力學(xué)性能實測數(shù)據(jù)集,應(yīng)用基于粒子群算法(PSO)尋優(yōu)的SVR,結(jié)合留一交叉驗證(LOOCV)法,對7005鋁合金力學(xué)性能進行了建模和預(yù)測。將其建模的結(jié)果分別和其他數(shù)據(jù)處理手段如BP神經(jīng)網(wǎng)絡(luò),多元線性回歸等進行了比較,利用平均絕對誤差和平均絕對百分誤差對模型做了詳細地評價。結(jié)果表明,在以上三種材料的建模預(yù)測中,SVR模型的效果都優(yōu)于其他模型。本項研究表明:SVR是一種有效的優(yōu)化材料制備工藝參數(shù)和預(yù)測材料性能的方法,可廣泛用于制備工藝參數(shù)的設(shè)計和指導(dǎo)新型材料的設(shè)計。

獲獎情況

1廣州08年“中國材料研討會”上發(fā)表,被《物理學(xué)報》(SCI核心)錄用 ①基于拓撲結(jié)構(gòu)的堿金屬化合物摩爾磁化率的SVR研究. ②AlON-TiN復(fù)相材料合成工藝參數(shù)的支持向量回歸分析. ③選擇性激光燒結(jié)成型件密度的支持向量回歸預(yù)測. 2一篇被境外SCI核心和EI核心收錄 Corrosion rate prediction of 3C steel under different seawater environment by using support vector regression. 3一篇被EI收錄 R2O-MO-Al2O3-SiO2玻璃配方與熱膨脹系數(shù)關(guān)系的支持向量回歸研究.等

鑒定結(jié)果

參考文獻

[1] 董倩, 唐清, 李文超. 模式識別技術(shù)對Al2O3-TiC-ZrO2納米復(fù)合材料制備工藝參數(shù)的優(yōu)化和預(yù)報. 計算機與應(yīng)用化學(xué), 2001, 18(2): 97-101. [2] 金勝利, 李亞偉, 李楠, 劉旭, 陸文聰. 支持向量機算法優(yōu)化制備賽隆-剛玉澆注料工藝參數(shù). 耐火材料, 2005, 30(2): 126-129. [3] (Zr_(0.7)Sn_(0.3))TiO4陶瓷性能預(yù)報的支持向量回歸模型 [4] V. Vapnik. The Nature of Statistical Learning Theory [M]. New York: Springer, 1995

同類課題研究水平概述

1、現(xiàn)狀:隨著計算機技術(shù)的發(fā)展,在材料科學(xué)領(lǐng)域中,工藝過程控制,材料性能預(yù)測自動設(shè)計取得了較大的進展,由于材料科學(xué)中影響因素眾多,作用復(fù)雜,找到精確的規(guī)律的可能性比較小,材料科學(xué)仍依靠于科學(xué)的實驗。人們往往想通過一些具體的實驗來找出材料中的某些規(guī)律,常會遇到大量的實驗數(shù)據(jù)需要處理的問題。回歸分析方法是材料學(xué)領(lǐng)域中最為常用的方法之一,它能找出材料的物理化學(xué)性能與材料的成分或組織結(jié)構(gòu)之間的關(guān)系,以及材料工藝過程中的某些變化規(guī)律。 2、有關(guān)數(shù)據(jù)處理手段的方法 (1) 反向傳播神經(jīng)網(wǎng)絡(luò) BP(Back Propagation)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò),是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系,而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法,通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)的誤差平方和最小。 BP算法理論具有依據(jù)可靠、推導(dǎo)過程嚴謹、精度較高等優(yōu)點,但標準BP算法存在以下缺點:會出現(xiàn)“鋸齒形現(xiàn)象”;存在麻痹現(xiàn)象;新加入的樣本要影響已學(xué)習(xí)成功的網(wǎng)絡(luò),而且刻畫每個輸入樣本的特征的數(shù)目也必須相同;網(wǎng)絡(luò)的預(yù)測能力與訓(xùn)練能力的矛盾。 (2) 多元線性回歸 多元回歸分析預(yù)測法,是指通過對兩上或兩個以上的自變量與一個因變量的相關(guān)分析,建立預(yù)測模型進行預(yù)測的方法。當自變量與因變量之間存在線性關(guān)系時,稱為多元線性回歸分析。 利用這種方法建立模型非常簡單,計算量小,但是其只適用于討論線性回歸問題,對于實際生活中的復(fù)雜非線性問題就毫無辦法了。 (3) 主成分分析法 主成分分析法是一種降維的統(tǒng)計方法,它借助于一個正交變換,將其分量相關(guān)的原隨機向量轉(zhuǎn)化成其分量不相關(guān)的新隨機向量,這在代數(shù)上表現(xiàn)為將原隨機向量的協(xié)方差陣變換成對角形陣,在幾何上表現(xiàn)為將原坐標系變換成新的正交坐標系,使之指向樣本點散布最開的p個正交方向,然后對多維變量系統(tǒng)進行降維處理,使之能以一個較高的精度轉(zhuǎn)換成低維變量系統(tǒng),再通過構(gòu)造適當?shù)膬r值函數(shù),進一步把低維系統(tǒng)轉(zhuǎn)化成一維系統(tǒng)。 缺點:計算過程比較繁瑣,且對樣本量的要求較大;它是根據(jù)樣本指標來進行綜合評價的,所以評價的結(jié)果跟樣本量的規(guī)模有關(guān)系;它往往假設(shè)指標之間的關(guān)系都為線性關(guān)系,但在實際應(yīng)用時,如果各個指標之間的關(guān)系并非為線性關(guān)系,就有可能導(dǎo)致評價結(jié)果的偏差。
建議反饋 返回頂部