[发明专利]物相预测模型训练方法、物相预测方法及装置、设备

权利要求书

1.一种物相预测模型训练方法，其特征在于，所述方法包括：

获取多种已知高熵合金材料的元素成分以及已知物相；

根据每种已知高熵合金材料的元素成分，计算所述每种已知高熵合金材料的物化特征；

根据所述多种已知高熵合金材料的物化特征和已知物相，生成原始样本数据集，其中，所述原始样本数据集包括：多个原始样本数据，每个原始样本数据包括一种已知高熵合金材料的物化特征和已知物相；

根据所述原始样本数据集，分别对预设的多个第一初始学习器进行训练，得到多个第一目标学习器以及所述多个第一目标学习器对应的预测物相，每个第一目标学习器对应的预测物相为：所述每个第一目标学习器对所述原始样本数据进行预测得到的物相；

根据所述多个第一目标学习器对应的预测物相，以及所述原始样本数据的已知物相，生成目标训练数据集，其中，所述目标训练数据集包括：多个目标训练数据，每个目标训练数据包括：一个第一目标学习器对应的预测物相，以及所述原始样本数据的已知物相；

根据所述目标训练数据集，对预设的第二初始学习器进行训练，得到第二目标学习器；所述物相预测模型包括：所述多个第一目标学习器和所述第二目标学习器。

2.根据权利要求1所述的方法，其特征在于，所述根据所述原始样本数据集，分别对预设的多个第一初始学习器进行训练，得到多个第一目标学习器以及所述多个第一目标学习器对应的预测物相之前，所述方法还包括：

根据所述原始样本数据集，生成多组原始样本数据，每组原始样本数据包括：多个初始训练数据集、一个验证数据集和一个初始测试数据集；

所述根据所述原始样本数据集，分别对预设的多个第一初始学习器进行训练，得到多个第一目标学习器以及所述多个第一目标学习器对应的预测物相，包括：

根据所述每组原始样本数据中的所述多个初始训练数据集对一个所述第一初始学习器进行多次训练，得到一个所述第一初始学习器对应的多个训练后第一学习器；

根据所述初始测试数据集，对所述多个训练后第一学习器进行测试，得到所述多个训练后第一学习器的预测精度；

根据所述预测精度，从所述训练后的多个第一学习器中确定一个第一学习器作为所述第一初始学习器对应的一个所述第一目标学习器；

采用所述第一目标学习器，对所述一个验证数据集进行预测，得到所述第一目标学习器对应的预测物相。

3.根据权利要求2所述的方法，其特征在于，所述根据所述原始样本数据集，生成多组原始样本数据，包括：

将所述原始样本数据集划分为多份数据集；

随机从所述多份数据集中选择所述一个初始测试数据集，并从所述多份数据集中的其它数据集中确定所述多个初始训练数据集和所述一个验证数据集；

根据所述一个初始测试数据集、所述一个验证数据集和所述多个初始训练数据集，生成一组所述原始样本数据。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述多个训练后第一学习器，对所述初始测试数据集进行预测，得到多个测试预测物相；

根据所述多个测试预测物相，确定一个所述第一初始学习器对应的一个目标测试预测物相；

根据多个所述第一初始学习器对应的目标测试预测物相以及所述原始样本数据的已知物相，生成目标测试数据集；

根据所述目标测试数据集，对所述第二目标学习器进行预测，得到所述第二目标学习器的预测精度。

5.根据权利要求4所述的方法，其特征在于，所述根据所述多个测试预测物相，确定所述第一初始学习器对应的一个目标测试预测物相，包括：

根据所述多个测试预测物相，计算平均预测物相；

确定所述平均预测物相为所述第一初始学习器对应的一个目标测试预测物相。