[发明专利]一种快速预测钙钛矿介电常数的方法

说明书

本发明涉及一种快速预测钙钛矿介电常数的方法。它包括以下步骤：从文献中查找溶胶凝胶法合成的ABO₃型无机钙钛矿材料的化学式、介电常数实验数值、煅烧温度和煅烧时间，作为数据集样本。利用数据挖掘平台OCPMDM，根据化学式生成对应的描述符，并在描述符生成过程中，对缺损数值的样本进行删除处理。数据集样本随机划分为训练集和测试集。以介电常数对数值为目标变量，生成的原子参数等描述符为自变量；用遗传算法结合支持向量机留一法，对训练集进行自变量筛选，选出建模的最优自变量子集并建立钙钛矿介电常数的快速预报模型，进行参数优化和留一法交叉验证。根据建立的钙钛矿介电常数的快速预报模型和待检测的钙钛矿化学式，快速预报待检测钙钛矿的介电常数。本发明基于可靠的文献数据和建模方法，所建钙钛矿介电常数的预报模型具有简便快捷、低成本、无污染等优点。

技术领域

本发明涉及无机钙钛矿的电学性能领域，尤其是利用遗传算法结合支持向量机快速预测钙钛矿介电常数的方法，可应用于钙钛矿性能表征和分析测试技术领域。

技术背景

狭义上的钙钛矿指的是CaTiO₃本身，广义上的钙钛矿是指结构为ABX₃型的钙钛矿型化合物，其结构一般是八面体结构，晶格顶角由半径较大的A离子占据，中心则是由B离子和X形成的共角占据。其中阳离子A一般为金属离子或有机小分子，阳离子B一般是2价或3价的金属离子，也可以由两种不同的阳离子取代形成双层钙钛矿，阴离子X通常是硫属元素或卤素。钙钛矿由于其晶体结构稳定、制作成本低廉、合成工艺简易、光电性能优良，被广泛应用于压电、催化以及太阳能电池等领域。

介电常数，又称电容率或绝对电导率，是指在同一电容器中用同一物质为电介质和在真空中时电容的比值，表示电介质在电场中储存静电能的相对能力，即保持电荷的能力，常用ε表示。介电常数ε可以用静电场的方式实验进行测量：先在两块极板之间为真空的时候测试电容器的电容C₀，之后用同样的电容极板间距离但在极板间加入电介质后测得电容C_x，介电常数可以用下式计算ε＝Cx/C₀。介电常数是表征电介质或绝缘材料电性能的重要数据之一，也是介电材料选择的一项重要指标，因此研究钙钛矿的介电常数具有重要意义。

遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，由美国的Holland教授提出，其核心思想是生物进化理论中的“优胜劣汰”原则，按照适者生存原理，逐代演化产生出越来越好的近似解。遗传算法具有与问题领域无关的快速搜索能力，且搜索时是基于评价函数从群体出发进行迭代，有较好的并行性和随机性。因此，遗传算法具有在求解多目标、多变量和非线性等优化问题时，可以体现其高效性和实用性。

支持向量机(Support Vector Machine，简称SVM)是数学家Vladimir N.Vapnik等建立在统计学习理论(Statistical Learning Theory，简称SLT)基础上的机器学习新方法，包括支持向量分类(Support Vector Classification，简称SVC)算法和支持向量回归(Support Vector Regression，简称SVR)算法。支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折中，以求获得最好的推广能力。本工作应用支持向量回归方法建模。

发明内容

本发明的目的是为了克服现有技术存在的缺陷，而提供一种简便快捷、低成本、数据全面准确、无需实验和繁杂的计算过程的遗传算法结合支持向量机快速预测无机钙钛矿介电常数的方法。

本发明的目的可以通过以下技术方案来实现：

一种基于遗传算法结合支持向量机快速预测无机钙钛矿介电常数的方法，包括以下步骤：