[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

说明书

本发明公开了一种核电结构材料数据性能预测模型及模型构建方法，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；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；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；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，并确定模型，同时对模型进行训练。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。可以快速掌握核电结构材料数据性能预测模型的构建方法，调试模型并进行评价。大大降低了核电结构材料从业人员向机器学习转型时的学习成本。

技术领域

本发明属于核电结构材料数据技术领域，具体涉及一种核电结构材料数据性能预测模型及模型构建方法

背景技术

现有的核电结构材料数据预测模型，乃至绝大多数材料数据预测模型，都是由熟练掌握编程语言的工作人员进行编程建模。工作人员在建模或使用预测模型时，除了必须拥有核电结构材料相关知识外，还必须拥有Python/Java/C/Matlab等编程高级技巧，这样就为核电结构材料数据预测模型的应用抬高了门槛，影响了使用效果，提高了普及成本。

核电结构材料数据预测模型，乃至绝大多数材料数据预测模型，训练时，都需要把训练用数据转换成某一个特定格式(CSV或XLS)，导入Pandas后，再经过复杂的矩阵变换转化为需要的矩阵数据，同时也要在训练逻辑中增加控制处理等问题，非常复杂，大大延长了模型的研发时间。同时训练过程中，模型训练参数多由训练模型人的经验判断，只能寻找到可以接受的模型结果便投入应用，影响判断进程。

发明内容

针对现有技术的不足，本发明的目的在于提供一种核电结构材料数据性能预测模型及模型构建方法，解决了现有技术中存在的上述技术问题。

本发明的目的可以通过以下技术方案实现：

一种核电结构材料数据性能预测模型，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。