-
公开(公告)号：CN113806926B
公开(公告)日：2024-12-13
申请号：CN202111005146.1
申请日：2021-08-30
Applicant: 上海大学 , 云南锡业集团(控股)有限责任公司研发中心
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开了一种SHAP包装LightGBM快速预报锡基焊料的极限抗拉强度的可解释方法及其系统，从文献中收集实验值作为数据集样本；整理锡基焊料合金的元素组成，计算样本用于建模的特征；随机划分训练集与测试集；基于训练集，对自变量使用离群值缩放数据，建立锡基焊料合金极限抗拉强度初步预报模型；根据建立的锡基焊料合金极限抗拉强度的预报模型，使用SHAP计算每个特征的SHAPvalue并包装LightGBM进行特征筛选，选取出最优的特征子集；根据建立的锡基焊料合金极限抗拉强度的可解释预报模型，快速预报独立测试集中锡基焊料合金的极限抗拉强度。本发明基于可靠的文献数据和建模方法，所建锡基焊料合金极限抗拉强度的预报模型具有简便快捷、低成本、无污染、可解释等优点。
-
公开(公告)号：CN115083548B
公开(公告)日：2024-09-24
申请号：CN202210804582.3
申请日：2022-07-08
Applicant: 上海大学 , 中国科学院上海硅酸盐研究所
IPC: G16C60/00 , G06F30/27 , G06F18/214 , G06F18/2411
Abstract: 本发明涉及一种陶瓷涂层工艺参数与脱落百分比关系映射方法和系统，属于数据处理技术领域。所述陶瓷涂层工艺参数与脱落百分比关系映射方法，采用敏感性分析算法提取工艺参数中的最大值和最小值，基于最大值和最小值以特定步长生成虚拟特征值，将虚拟特征值输入预报模型简单、快捷、低成本的得到脱落百分比后，对工艺参数和脱落百分比进行定性定量分析得到映射关系，进而能够克服现有技术针对YSZ性能测试成本高的缺陷。
-
公开(公告)号：CN112131706B
公开(公告)日：2024-08-20
申请号：CN202010848989.7
申请日：2020-08-21
Applicant: 上海大学
IPC: G06F30/20 , G06F17/18 , G01N25/06 , G06F119/08
Abstract: 本发明涉及一种岭回归快速预测低熔点合金熔点的方法，利用计算机系统，从文献中查找低熔点合金的化学式以及熔点实验值，作为数据集样本；根据合金的元素组分及villars原子参数计算低熔点合金的部分原子参数的平均值、差值数据，再使用公式计算出五个描述符作为自变量；将数据集随机地划分为训练集与测试集；运用目标变量以及标准化后的自变量，使用岭回归通过训练集样本建立低熔点合金熔点的预报模型，并给出非标准化岭回归方程；根据建立的低熔点合金熔点的快速预报模型，快速预报测试集样本的熔点。本发明基于可靠的文献数据和建模方法，所建低熔点合金熔点的预报模型具有简便快捷、低成本、无污染等优点。
-
公开(公告)号：CN113808680A
公开(公告)日：2021-12-17
申请号：CN202111001675.4
申请日：2021-08-30
Applicant: 上海大学
Abstract: 本发明公开了一种基于SHAP值构建可解释的XGBoost回归模型加速发现高PCE的N‑P类有机敏化剂的QSPR方法及系统，建立数据集样本；切分分子片段；Chem3D优化分子；生成描述符；随机划分训练集和测试集；利用SHAP嵌套XGBoost筛选变量，选出XGBoost建模的最优变量子集；用XGBoost回归建立N‑P类有机敏化剂的快速预报模型；根据建立的模型，快速预报测试集染料分子的PCE。根据SHAP反馈的对目标特征的影响和参考文献解释描述符，对应分子片段的结构，构建QSPR模型；python生成大量虚拟样本，利用建好的XGBoost模型进行预报。本发明基于可靠的文献真实值和建模方法，所建的N‑P类有机敏化剂的XGBoost预报模型具有方便快捷，无化学污染的优点。
-
公开(公告)号：CN112131706A
公开(公告)日：2020-12-25
申请号：CN202010848989.7
申请日：2020-08-21
Applicant: 上海大学
IPC: G06F30/20 , G06F17/18 , G01N25/06 , G06F119/08
Abstract: 本发明涉及一种岭回归快速预测低熔点合金熔点的方法，利用计算机系统，从文献中查找低熔点合金的化学式以及熔点实验值，作为数据集样本；根据合金的元素组分及villars原子参数计算低熔点合金的部分原子参数的平均值、差值数据，再使用公式计算出五个描述符作为自变量；将数据集随机地划分为训练集与测试集；运用目标变量以及标准化后的自变量，使用岭回归通过训练集样本建立低熔点合金熔点的预报模型，并给出非标准化岭回归方程；根据建立的低熔点合金熔点的快速预报模型，快速预报测试集样本的熔点。本发明基于可靠的文献数据和建模方法，所建低熔点合金熔点的预报模型具有简便快捷、低成本、无污染等优点。
-
Patent Agency Ranking
公开(公告)号：CN115132293A
公开(公告)日：2022-09-30
申请号：CN202210617757.X
申请日：2022-06-01
Applicant: 上海大学 , 云南锡业集团(控股)有限责任公司研发中心
Abstract: 本发明公开了一种集成模型快速预测锡基焊料合金蠕变应力指数的方法及系统，从文献中收集锡基焊料合金的元素组成、测试温度和蠕变应力指数数值，并添加实验数据，作为数据集样本；整理出锡基焊料合金的元素组成和测试温度，用作建模的特征；将数据集以4:1的比例随机划分为训练集与测试集；以收集的锡基焊料合金的蠕变应力指数数值作为目标变量，以构建的特征为自变量，基于划分出的训练集，对自变量使用RobustScaler缩放数据，训练三个学习器并集成得到R‑X‑L集成模型；利用R‑X‑L集成模型快速预报测试集样本及4个独立实验样本的蠕变应力指数。本发明基于可靠文献数据和建模方法，所建锡基焊料合金蠕变应力指数的预报模型具有简便快捷、低成本、无污染等优点。
-
公开(公告)号：CN113806926A
公开(公告)日：2021-12-17
申请号：CN202111005146.1
申请日：2021-08-30
Applicant: 上海大学 , 云南锡业集团(控股)有限责任公司研发中心
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开了一种SHAP包装LightGBM快速预报锡基焊料的极限抗拉强度的可解释方法及其系统，从文献中收集实验值作为数据集样本；整理锡基焊料合金的元素组成，计算样本用于建模的特征；随机划分训练集与测试集；基于训练集，对自变量使用离群值缩放数据，建立锡基焊料合金极限抗拉强度初步预报模型；根据建立的锡基焊料合金极限抗拉强度的预报模型，使用SHAP计算每个特征的SHAPvalue并包装LightGBM进行特征筛选，选取出最优的特征子集；根据建立的锡基焊料合金极限抗拉强度的可解释预报模型，快速预报独立测试集中锡基焊料合金的极限抗拉强度。本发明基于可靠的文献数据和建模方法，所建锡基焊料合金极限抗拉强度的预报模型具有简便快捷、低成本、无污染、可解释等优点。
-
公开(公告)号：CN112133383A
公开(公告)日：2020-12-25
申请号：CN202010850235.5
申请日：2020-08-21
Applicant: 上海大学
Abstract: 本发明涉及一种基于遗传符号回归预测钙钛矿比表面积的方法，利用计算机系统，从文献中收集钙钛矿的化学成分，制备工艺参数以及其对应的比表面积实验数据；随机划分建模集和测试集并进行标准化；采用遗传符号回归算法搜索新变量；使用岭回归方法以新变量数据进行建模，并测试模型在测试集上的效果；根据建立的岭回归预测模型，快速预测钙钛矿材料的比表面积。本发明基于可靠的文献数据和建模方法，所建钙钛矿材料比表面积的预报模型具有简便快捷、低成本、无污染等优点；模型的可解释性强——模型提供了因变量钙钛矿比表面积与自变量之间的数学表达式，能够清晰反映工艺参数和原子参数对比表面积的影响，有助于指导高比表面积钙钛矿的合成。
-
公开(公告)号：CN112116091A
公开(公告)日：2020-12-22
申请号：CN202010859424.9
申请日：2020-08-24
Applicant: 上海大学
Abstract: 本发明公开了一种基于机器学习快速预测有机无机杂化钙钛矿带隙的在线预报方法，包括建立样本集、生成描述符、划分训练集和测试集、选出建模的最优特征子集、构建快速预报模型、预报测试集样本的带隙、开发完成在线预报应用程序，并实现快速预测有机无机杂化钙钛矿带隙数值。本发明通过来源于数据库中的样本数据，建立了高效快捷的预报模型，开发了快速预报有机无机杂化钙钛矿的在线预报应用程序，可通过网址和手机微信二维码进行访问使用，具有简单便捷、成本低廉、绿色环保的优点。使用本发明中的应用程序在线预报有机无机杂化钙钛矿的带隙，能帮助实验研究人员避免实验“试错法”的盲目性，节约实验时间和成本，提高材料研发效率。
-
公开(公告)号：CN113808680B
公开(公告)日：2024-10-29
申请号：CN202111001675.4
申请日：2021-08-30
Applicant: 上海大学
Abstract: 本发明公开了一种基于SHAP值构建可解释的XGBoost回归模型加速发现高PCE的N‑P类有机敏化剂的QSPR方法及系统，建立数据集样本；切分分子片段；Chem3D优化分子；生成描述符；随机划分训练集和测试集；利用SHAP嵌套XGBoost筛选变量，选出XGBoost建模的最优变量子集；用XGBoost回归建立N‑P类有机敏化剂的快速预报模型；根据建立的模型，快速预报测试集染料分子的PCE。根据SHAP反馈的对目标特征的影响和参考文献解释描述符，对应分子片段的结构，构建QSPR模型；python生成大量虚拟样本，利用建好的XGBoost模型进行预报。本发明基于可靠的文献真实值和建模方法，所建的N‑P类有机敏化剂的XGBoost预报模型具有方便快捷，无化学污染的优点。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
