題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 基于支持向量回歸方法的建模與優(yōu)化
- 來(lái)源：
- 第十一屆“挑戰(zhàn)杯”國(guó)賽作品
- 小類：
- 數(shù)理
- 簡(jiǎn)介：
- 本作品利用支持向量回歸方法(Support Vector Regression, SVR)為指導(dǎo)，建立的相關(guān)數(shù)學(xué)模型，用于優(yōu)化材料制備工藝參數(shù)，預(yù)測(cè)材料性能，可有效地縮短材料研發(fā)時(shí)間，極大地推動(dòng)科學(xué)化設(shè)計(jì)高性能新型功能材料技術(shù)的發(fā)展，具有重要的學(xué)術(shù)價(jià)值，將產(chǎn)生重大社會(huì)效益和經(jīng)濟(jì)效益。基于粒子群參數(shù)尋優(yōu)的SVR方法，概述了SVR在社會(huì)科學(xué)領(lǐng)域、經(jīng)濟(jì)管理領(lǐng)域和工程領(lǐng)域中的應(yīng)用，并著重探索了SVR在材料領(lǐng)域的應(yīng)用。SVR遵守結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，比其它各種回歸方法的泛化能力要強(qiáng)得多，是目前泛化能力最強(qiáng)的科學(xué)計(jì)算方法之一。獨(dú)創(chuàng)性地將SVR用于7005鋁合金、氘燈、烯烴和烷烴這三個(gè)重要的材料研究領(lǐng)域，取得了優(yōu)于傳統(tǒng)方法的結(jié)果。
- 詳細(xì)介紹：
- 本作品系統(tǒng)地分析和歸納總結(jié)了現(xiàn)有的材料實(shí)驗(yàn)數(shù)據(jù)處理方法，將支持向量回歸(Support Vector Regression，SVR)方法用于材料制備工藝參數(shù)的優(yōu)化和性能預(yù)測(cè)。SVR是一種普適性極強(qiáng)的新型回歸方法，除了應(yīng)用于材料領(lǐng)域之外，還可廣泛應(yīng)用于生物學(xué)、醫(yī)學(xué)、環(huán)境保護(hù)、信息技術(shù)、農(nóng)業(yè)、交通運(yùn)輸、工程技術(shù)、化學(xué)化工、物理學(xué)、工業(yè)制造業(yè)、商業(yè)等領(lǐng)域。本研究主要探索了SVR在材料領(lǐng)域中的應(yīng)用，得到了較好的結(jié)果。本作品概述了SVR在社會(huì)科學(xué)領(lǐng)域、經(jīng)濟(jì)管理領(lǐng)域和工程領(lǐng)域中的應(yīng)用，并著重探索了SVR在材料領(lǐng)域的應(yīng)用。表明：SVR具有極大的推廣應(yīng)用價(jià)值。 長(zhǎng)期以來(lái)，材料科學(xué)工作者在研究材料的成分、工藝、組織與性能之間的關(guān)系時(shí)，大多采用試錯(cuò)法，耗費(fèi)了大量的人力、物力、財(cái)力和時(shí)間，并且可靠性較低。因此以新的理論方法為主導(dǎo)，用于優(yōu)化材料制備工藝參數(shù)來(lái)設(shè)計(jì)材料，可有效地縮短研發(fā)時(shí)間、提高效率、節(jié)約資源，將極大地推動(dòng)科學(xué)地設(shè)計(jì)高性能新型功能材料技術(shù)的發(fā)展，具有重要的學(xué)術(shù)價(jià)值，必將產(chǎn)生重大的社會(huì)效益和經(jīng)濟(jì)效益。 1．作品首先系統(tǒng)地研究了傳統(tǒng)實(shí)驗(yàn)的數(shù)據(jù)處理方法(如多元線性回歸、嶺回歸、偏最小二乘回歸方法)，分析其適用范圍及優(yōu)缺點(diǎn)；引入近十幾年來(lái)發(fā)展起來(lái)的多種理論方法（如粒子群算法等）對(duì)參數(shù)進(jìn)行優(yōu)化；引入SVR，用以提高模型的擬合精度和預(yù)測(cè)準(zhǔn)確率。 2. 作品重點(diǎn)探索了SVR在材料制備工藝參數(shù)優(yōu)化和性能預(yù)測(cè)中的應(yīng)用。材料的性能與其制備工藝參數(shù)息息相關(guān)，作品利用基于粒子群參數(shù)尋優(yōu)的SVR方法建立了相關(guān)模型，并對(duì)材料性能進(jìn)行了預(yù)測(cè)。此外，還根據(jù)在不同工藝參數(shù)下7005鋁合金的力學(xué)性能(抗拉強(qiáng)度、屈服強(qiáng)度和硬度)實(shí)測(cè)數(shù)據(jù)集，首次應(yīng)用基于粒子群算法(PSO)尋優(yōu)參數(shù)的SVR理論，結(jié)合留一交叉驗(yàn)證(LOOCV)法，對(duì)7005鋁合金的力學(xué)性能進(jìn)行了建模和預(yù)測(cè)，并與偏最小二乘法(PLS)、反向傳播人工神經(jīng)網(wǎng)絡(luò)(BPNN)和兩者結(jié)合模型(PLS-BPNN)的預(yù)測(cè)結(jié)果進(jìn)行了比較。結(jié)果表明，SVR所建模型的預(yù)測(cè)精度最高；根據(jù)氘燈的輻亮度值及其有關(guān)特性指標(biāo)值的數(shù)據(jù)集，建立了氘燈的有關(guān)特性指標(biāo)值與輻亮度值的SVR預(yù)測(cè)模型，通過(guò)比較SVR和傳統(tǒng)方法的預(yù)測(cè)結(jié)果，得出SVR模型具有更高的預(yù)測(cè)精度；結(jié)合定量結(jié)構(gòu)-性質(zhì)相關(guān)性等理論，建立了烴類（包括烯烴和烷烴）化合物的閃點(diǎn)與沸點(diǎn)、路徑數(shù)2、路徑數(shù)3的SVR預(yù)測(cè)模型，與多元線性回歸方法相比，SVR的預(yù)測(cè)精度更高。上述結(jié)果表明:SVR模型的預(yù)測(cè)效果較傳統(tǒng)的回歸方法有明顯的改進(jìn)。 3. 作品創(chuàng)新發(fā)展了材料制備工藝參數(shù)優(yōu)化、特性預(yù)測(cè)的材料性能研究新思路和新途徑，成功地嘗試了將SVR方法用于相關(guān)材料的工藝優(yōu)化及性能預(yù)測(cè)。選取了氘燈、烷烴和烯烴、7005鋁合金為實(shí)例分別對(duì)它們的輻亮度、閃點(diǎn)值、力學(xué)性能等進(jìn)行預(yù)測(cè)，得到了與實(shí)驗(yàn)值吻合較好的預(yù)測(cè)結(jié)果，證明了作品研究的可行性和科學(xué)性，為材料制備和材料性能研究開(kāi)辟了一條新途徑。利用不同工藝參數(shù)下材料性能的SVR預(yù)測(cè)模型，對(duì)材料的相關(guān)制備工藝參數(shù)進(jìn)行了優(yōu)化，可為進(jìn)一步提升材料/產(chǎn)品的性能提供科學(xué)指導(dǎo)，因而具有重要的實(shí)際應(yīng)用和推廣價(jià)值。
作品專業(yè)信息
撰寫目的和基本思路
- 目的：以SVR為指導(dǎo)，用于優(yōu)化材料制備工藝參數(shù)和性能預(yù)測(cè)，從而有效地縮短研發(fā)時(shí)間、提高效率、節(jié)約資源，將產(chǎn)生重大社會(huì)和經(jīng)濟(jì)效益；驗(yàn)證SVR的優(yōu)良內(nèi)插、外推能力，和普遍適用性，并推廣到其他領(lǐng)域。 思路：選取在自然科學(xué)和工程領(lǐng)域中重要的材料為研究對(duì)象，利用基于留一交叉驗(yàn)證法的SVR和粒子群算法尋優(yōu)手段，建立預(yù)測(cè)模型，結(jié)合具體材料分析各種特征因子對(duì)材料制備工藝參數(shù)或是材料性能的影響，最后完成作品。
科學(xué)性、先進(jìn)性及獨(dú)特之處
- SVR遵守結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，比其它各種回歸方法的泛化能力要強(qiáng)得多，是目前泛化能力最強(qiáng)的科學(xué)計(jì)算方法之一。將SVR用于材料制備工藝參數(shù)優(yōu)化和性能預(yù)測(cè)方面，目前在我國(guó)各個(gè)領(lǐng)域的應(yīng)用的報(bào)道較少（參見(jiàn)查新報(bào)告）。 目前國(guó)內(nèi)研究SVR這一先進(jìn)回歸方法的學(xué)者較少，尤其是將其引入到材料制備工藝參數(shù)優(yōu)化和材料性能預(yù)測(cè)方面的工作更是具有極大地發(fā)展和應(yīng)用前景。
應(yīng)用價(jià)值和現(xiàn)實(shí)意義
- SVR是一種普適性極強(qiáng)的新型回歸方法，除了應(yīng)用于材料領(lǐng)域之外，還可廣泛應(yīng)用于生物學(xué)、醫(yī)學(xué)、環(huán)境保護(hù)、信息技術(shù)、工程技術(shù)等領(lǐng)域，具有極大的應(yīng)用推廣價(jià)值。 作品利用新的數(shù)據(jù)處理方法為指導(dǎo)，建立的相關(guān)數(shù)學(xué)模型，可用于優(yōu)化材料制備工藝參數(shù)，預(yù)測(cè)材料性能，可有效地縮短材料研發(fā)時(shí)間、節(jié)約資源，能極大地推動(dòng)科學(xué)化設(shè)計(jì)高性能新型功能材料技術(shù)的發(fā)展，具有重要的學(xué)術(shù)價(jià)值，將產(chǎn)生重大社會(huì)效益和經(jīng)濟(jì)效益。
學(xué)術(shù)論文摘要
- 可燃性有機(jī)物閃點(diǎn)的精準(zhǔn)確定在人們的實(shí)際生活和生產(chǎn)中非常重要。采用SVR，結(jié)合定量結(jié)構(gòu)-性質(zhì)相關(guān)性等理論，建立起了烴類（包括烯烴和烷烴）化合物的閃點(diǎn)與沸點(diǎn)、路徑數(shù)2、路徑數(shù)3的關(guān)系模型。氘燈作為真空紫外的標(biāo)準(zhǔn)燈，其光輻射亮度值與該標(biāo)準(zhǔn)的其它特性指標(biāo)值存在著某種聯(lián)系。根據(jù)氘燈樣本的輻亮度值及其有關(guān)影響因素?cái)?shù)據(jù)集，利用基于PSO尋優(yōu)的SVR方法，建立了影響氘燈輻亮度的相關(guān)因素與輻亮度值的SVR預(yù)測(cè)模型，并與BP神經(jīng)網(wǎng)絡(luò)模型和投影尋蹤回歸模型的預(yù)測(cè)結(jié)果進(jìn)行了比較。根據(jù)7005鋁合金在不同工藝參數(shù)下合金的力學(xué)性能實(shí)測(cè)數(shù)據(jù)集，應(yīng)用基于粒子群算法(PSO)尋優(yōu)的SVR，結(jié)合留一交叉驗(yàn)證(LOOCV)法，對(duì)7005鋁合金力學(xué)性能進(jìn)行了建模和預(yù)測(cè)。將其建模的結(jié)果分別和其他數(shù)據(jù)處理手段如BP神經(jīng)網(wǎng)絡(luò)，多元線性回歸等進(jìn)行了比較，利用平均絕對(duì)誤差和平均絕對(duì)百分誤差對(duì)模型做了詳細(xì)地評(píng)價(jià)。結(jié)果表明，在以上三種材料的建模預(yù)測(cè)中，SVR模型的效果都優(yōu)于其他模型。本項(xiàng)研究表明：SVR是一種有效的優(yōu)化材料制備工藝參數(shù)和預(yù)測(cè)材料性能的方法，可廣泛用于制備工藝參數(shù)的設(shè)計(jì)和指導(dǎo)新型材料的設(shè)計(jì)。
獲獎(jiǎng)情況
- 1廣州08年“中國(guó)材料研討會(huì)”上發(fā)表,被《物理學(xué)報(bào)》(SCI核心)錄用 ①基于拓?fù)浣Y(jié)構(gòu)的堿金屬化合物摩爾磁化率的SVR研究. ②AlON-TiN復(fù)相材料合成工藝參數(shù)的支持向量回歸分析. ③選擇性激光燒結(jié)成型件密度的支持向量回歸預(yù)測(cè). 2一篇被境外SCI核心和EI核心收錄 Corrosion rate prediction of 3C steel under different seawater environment by using support vector regression. 3一篇被EI收錄 R2O-MO-Al2O3-SiO2玻璃配方與熱膨脹系數(shù)關(guān)系的支持向量回歸研究.等
鑒定結(jié)果
- 無(wú)
參考文獻(xiàn)
- [1] 董倩, 唐清, 李文超. 模式識(shí)別技術(shù)對(duì)Al2O3-TiC-ZrO2納米復(fù)合材料制備工藝參數(shù)的優(yōu)化和預(yù)報(bào). 計(jì)算機(jī)與應(yīng)用化學(xué), 2001, 18(2): 97-101. [2] 金勝利, 李亞偉, 李楠, 劉旭, 陸文聰. 支持向量機(jī)算法優(yōu)化制備賽隆-剛玉澆注料工藝參數(shù). 耐火材料, 2005, 30(2): 126-129. [3] (Zr_(0.7)Sn_(0.3))TiO4陶瓷性能預(yù)報(bào)的支持向量回歸模型 [4] V. Vapnik. The Nature of Statistical Learning Theory [M]. New York: Springer, 1995
同類課題研究水平概述
- 1、現(xiàn)狀：隨著計(jì)算機(jī)技術(shù)的發(fā)展，在材料科學(xué)領(lǐng)域中，工藝過(guò)程控制，材料性能預(yù)測(cè)自動(dòng)設(shè)計(jì)取得了較大的進(jìn)展，由于材料科學(xué)中影響因素眾多，作用復(fù)雜，找到精確的規(guī)律的可能性比較小，材料科學(xué)仍依靠于科學(xué)的實(shí)驗(yàn)。人們往往想通過(guò)一些具體的實(shí)驗(yàn)來(lái)找出材料中的某些規(guī)律，常會(huì)遇到大量的實(shí)驗(yàn)數(shù)據(jù)需要處理的問(wèn)題?；貧w分析方法是材料學(xué)領(lǐng)域中最為常用的方法之一，它能找出材料的物理化學(xué)性能與材料的成分或組織結(jié)構(gòu)之間的關(guān)系，以及材料工藝過(guò)程中的某些變化規(guī)律。 2、有關(guān)數(shù)據(jù)處理手段的方法 (1) 反向傳播神經(jīng)網(wǎng)絡(luò) BP(Back Propagation)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。 BP算法理論具有依據(jù)可靠、推導(dǎo)過(guò)程嚴(yán)謹(jǐn)、精度較高等優(yōu)點(diǎn)，但標(biāo)準(zhǔn)BP算法存在以下缺點(diǎn)：會(huì)出現(xiàn)“鋸齒形現(xiàn)象”；存在麻痹現(xiàn)象；新加入的樣本要影響已學(xué)習(xí)成功的網(wǎng)絡(luò)，而且刻畫每個(gè)輸入樣本的特征的數(shù)目也必須相同；網(wǎng)絡(luò)的預(yù)測(cè)能力與訓(xùn)練能力的矛盾。 (2) 多元線性回歸 多元回歸分析預(yù)測(cè)法，是指通過(guò)對(duì)兩上或兩個(gè)以上的自變量與一個(gè)因變量的相關(guān)分析，建立預(yù)測(cè)模型進(jìn)行預(yù)測(cè)的方法。當(dāng)自變量與因變量之間存在線性關(guān)系時(shí)，稱為多元線性回歸分析。 利用這種方法建立模型非常簡(jiǎn)單，計(jì)算量小，但是其只適用于討論線性回歸問(wèn)題，對(duì)于實(shí)際生活中的復(fù)雜非線性問(wèn)題就毫無(wú)辦法了。 (3) 主成分分析法 主成分分析法是一種降維的統(tǒng)計(jì)方法，它借助于一個(gè)正交變換，將其分量相關(guān)的原隨機(jī)向量轉(zhuǎn)化成其分量不相關(guān)的新隨機(jī)向量，這在代數(shù)上表現(xiàn)為將原隨機(jī)向量的協(xié)方差陣變換成對(duì)角形陣，在幾何上表現(xiàn)為將原坐標(biāo)系變換成新的正交坐標(biāo)系，使之指向樣本點(diǎn)散布最開(kāi)的p個(gè)正交方向，然后對(duì)多維變量系統(tǒng)進(jìn)行降維處理，使之能以一個(gè)較高的精度轉(zhuǎn)換成低維變量系統(tǒng)，再通過(guò)構(gòu)造適當(dāng)?shù)膬r(jià)值函數(shù)，進(jìn)一步把低維系統(tǒng)轉(zhuǎn)化成一維系統(tǒng)。 缺點(diǎn)：計(jì)算過(guò)程比較繁瑣，且對(duì)樣本量的要求較大；它是根據(jù)樣本指標(biāo)來(lái)進(jìn)行綜合評(píng)價(jià)的，所以評(píng)價(jià)的結(jié)果跟樣本量的規(guī)模有關(guān)系；它往往假設(shè)指標(biāo)之間的關(guān)系都為線性關(guān)系，但在實(shí)際應(yīng)用時(shí)，如果各個(gè)指標(biāo)之間的關(guān)系并非為線性關(guān)系，就有可能導(dǎo)致評(píng)價(jià)結(jié)果的偏差。
