[发明专利]基于多系铝合金数据的机器学习数据库构建方法及系统

说明书

本发明涉及一种基于多系铝合金数据的机器学习数据库构建方法及系统，属于数据构建领域，方法包括：获取初始数据，所述初始数据包括合金成分、加工工艺和材料性能；对所述初始数据进行清洗，得到清洗后的数据；使用机器学习方法对所述清洗后的数据进行边界数据学习，从而对所述清洗后的数据空白区域进行填充，最终得到基于多系铝合金数据的机器学习数据库。本发明能够解决单系铝合金数据建模数据过于集中的问题，并促进铝合金的合理设计。

技术领域

本发明涉及数据库构建领域，特别是涉及一种基于多系铝合金数据的机器学习数据库构建方法及系统。

背景技术

铝合金在交通运输业、建筑业等领域的轻量化结构应用方面具有巨大潜力。然而，对于铝合金而言，其未经探索的成分设计范围非常大，常规的实验试错方法通常是耗时费力的，所以有效发现新合金是一项极具挑战性的任务。机器学习(ML)是人工智能的核心技术，该技术具备低计算成本、短开发周期、强大的数据处理和预测能力等优势。在材料研究中，ML方法可以显著降低发现新材料的所需要实验次数。同时，ML也优于传统的建模方法，因为它可以从给定的数据中挖掘出内部关系。因此，数据驱动的材料科学研究已成为材料研究中的一个新兴领域。

尽管ML方法在铝合金设计中的应用取得了巨大进展，但是目前大多数ML建模过程都是针对某一特定类型的铝合金，这就会导致数据分布过于集中。例如，在数据收集过程中，我们发现与某些微量元素(如Er、Sm、Ag等)相关的样品仅被少数研究者所研究，因此数据量较少且过于集中，这就会影响ML模型的预测准确性。

在本发明中，提出了一种基于多系铝合金数据集的建模方法，以解决单系铝合金数据建模数据过于集中的问题，并促进铝合金的合理设计。

发明内容

本发明的目的是提供一种基于多系铝合金数据的机器学习数据库构建方法及系统，以解决单系铝合金数据建模数据过于集中的问题，并促进铝合金的合理设计。

为实现上述目的，本发明提供了如下方案：

第一方面，本发明提供一种基于多系铝合金数据的机器学习数据库构建方法，包括：

获取初始数据，所述初始数据包括合金成分、加工工艺和材料性能；

对所述初始数据进行清洗，得到清洗后的数据；

使用机器学习方法对所述清洗后的数据进行边界数据学习，从而对所述清洗后的数据空白区域进行填充，最终得到基于多系铝合金数据的机器学习数据库。

可选的，所述数据库中数据的存储形式为excel形式。

可选的，所述材料性能源自合金的时效态。

可选的，所述初始数据类型为可热处理的铝合金类型。

可选的，所述可热处理的铝合金类型包括Al-Zn-Mg-Cu系铝合金、Al-Cu系铝合金和Al-Li系铝合金。

可选的，所述“对所述初始数据进行清洗，得到清洗后的数据”步骤之后；所述“使用机器学习方法对所述清洗后的数据进行边界数据学习”步骤之前，还包括：

采用度量学习方法建立不同系列铝合金之间的联系。

可选的，使用机器学习方法对所述清洗后的数据进行边界数据学习，具体包括：

采用机器学习中支持向量回归预测算法对所述清洗后的数据进行边界数据学习。

第二方面，本发明提供一种基于多系铝合金数据的机器学习数据库构建系统，包括：

初始数据获取模块，用于获取初始数据，所述初始数据包括合金成分、加工工艺和材料性能；

数据清洗模块，用于对所述初始数据进行清洗，得到清洗后的数据；