[发明专利]一种核电结构材料数据性能预测模型及模型构建方法

权利要求书

1.一种核电结构材料数据性能预测模型，其特征在于，包括核电结构材料数据删选模块、数据质量评价模块、数据划分模块、机器学习模块、模型效果验证模块，其中：

所述核电结构材料数据删选模块是从核电结构材料数据汇总筛选出需要进行训练的数据，作为核电结构材料模型训练数据；

所述数据质量评价模块将核电结构材料模型训练数据进行质量评价，将符合的数据质量评价确定为核电结构材料模型数据；

所述数据划分模块通过将核电结构材料模型数据根据特征数据和目标数据将所有字段分为两类，当特征数据与目标数据相关性存在时，则采用该核电结构材料数据作为机器学习模块中的基本算法数据，否则重新划分；

所述机器学习模块将确定存在相关性的特征数据与目标数据选择随机森林作为机器学习模型的基本算法，进行参数调整，使用贝叶斯优化，获取最优结果，并确定模型，同时对模型进行训练。

所述模型效果验证模块是在训练完成后，使用保留的部分数据进行效果验证，来对模型进行评价，如果评价高于预期值则确定该训练模型作为使用模型，若评价低于预期值重新设计模型。

2.根据权利要求1所述的核电结构材料数据性能预测模型，其特征在于，所述数据质量评价模块中质量评价的特征包括数据的数量、数据准确反应实验过程结果、数据存在空值特征。

3.根据权利要求1所述的核电结构材料数据性能预测模型，其特征在于，所述数据质量评价模块中存在数据质量评价不足时，采用采用增加训练数据，优化训练数据质量、空值填充的方式来提高数据质量。

4.根据权利要求1所述的核电结构材料数据性能预测模型，其特征在于，所述数据划分模块中的特征数据作为输入数据、且目标数据作为输出数据。

5.根据权利要求4所述的核电结构材料数据性能预测模型，其特征在于，所述特征数据与目标数据的相关性的方法采用计算之间的最大互信息系数，即采用确定，当最大互信息系数大于预设值时则相关性存在，当最大互信息系数小于预设值时则相关性不存在，其中：X和Y是两个存在联系的随机变量，B是数据总量的0.55～0.6次方，是一个经验值。

6.根据权利要求1所述的核电结构材料数据性能预测模型，其特征在于，所述机器学习模块中，在指定参数下，进行迭代，随机森林算法遵循O(M*N*logN)来对算法进行调优，获得最优结果，其中：M是树的数量，N是样本数量。

7.根据权利要求1-6任一项所述的核电结构材料数据性能预测模型的模型构件方法，其特征在于，包括以下步骤：

S1、首先在核电结构材料数据中进行筛选，并筛选出需要进行训练的数据，作为核电结构材料模型训练数据；

S2、对核电结构材料模型训练数据进行数据的数量、数据是否准确反应实验过程结果、数据是否存在较多空值特征评价，并确定核电结构材料数据；

S3、将核电结构材料模型数据根据特征数据和目标数据将所有字段分为两类，并确定特征数据与目标数据的相关性；

S4、确定核电结构材料数据后，选择随机森林作为机器学习模型的基本算法；

S5、进行参数的调整，使用了贝叶斯优化，在指定参数下，进行二次迭代，确保获得最优结果，并确定模型；

S6、使用Python环境下机器学习开发工具，对已经设定好的模型进行训练；

S7、训练完成后，使用保留的一部分数据进行效果炎症，并对模型进行评价，如若评价的评分高于预设值，则将该模型作为使用模型应用，如若评价的评分低于预设值，则重新设计模型，直至获得评价高的模型作为应用。

8.根据权利要求7所述的核电结构材料数据性能预测模型的模型构件方法，其特征在于，所述S2中通过当核电结构材料模型训练数据质量评价不足时，则采用增加训练数据的方式来填充。

9.根据权利要求7所述的核电结构材料数据性能预测模型的模型构件方法，其特征在于，所述S7中重新设计模型时，保留确定的核电结构材料数据，重新选择确定机器学习算法。