針對(duì)國(guó)產(chǎn)9Ni鋼鎳基焊材熔敷金屬?gòu)?qiáng)度和塑性不能同時(shí)達(dá)標(biāo)問(wèn)題,采用機(jī)器學(xué)習(xí)方法分析了Nb、Cr、Fe、Mn等合金元素與鎳基焊材熔敷金屬塑性和強(qiáng)度的相關(guān)性;又采用決策樹(shù)模型研究了合金元素的濃度對(duì)鎳基焊材熔敷金屬塑性和強(qiáng)度的影響程度。研究發(fā)現(xiàn):Nb元素在一定含量?jī)?nèi)可以提高熔敷金屬的強(qiáng)度和塑性;Cr元素對(duì)熔敷金屬的塑性有明顯的提高作用。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1元素與力學(xué)性能的皮爾遜系數(shù)熱圖

其中：E為數(shù)學(xué)期望，D為方差，Cov(X,Y)為隨機(jī)變量X與Y的協(xié)方差，相關(guān)系數(shù)的取值范圍是[-1,1]，通過(guò)計(jì)算元素含量與拉伸性能間的皮爾遜相關(guān)系數(shù)，可以解元素與力學(xué)性能的相關(guān)性。通過(guò)兩個(gè)變量之間的正負(fù)相關(guān)性，從而確定對(duì)強(qiáng)度和塑性各自有利的元素和對(duì)性能有害的元素，選取部分元素來(lái)....

圖2合金元素和塑性的決策樹(shù)模型圖

模型在22個(gè)樣本上訓(xùn)練，其中包括15個(gè)標(biāo)簽為0的負(fù)樣本和7個(gè)標(biāo)簽為1的正樣本。模型在訓(xùn)練集上的準(zhǔn)確率為100%，在測(cè)試集上的準(zhǔn)確率為80%。因此模型具備一定的準(zhǔn)確性。圖2中，從上向下表示模型根據(jù)基尼系數(shù)建立決策樹(shù)的過(guò)程，將Cr、Fe、S、Nb等元素依次作為特征建樹(shù)。圖中圓角矩形框....

圖3合金元素和強(qiáng)度的決策樹(shù)模型圖

Python語(yǔ)言編寫(xiě)合金元素和抗拉強(qiáng)度的決策樹(shù)機(jī)器學(xué)習(xí)模型程序，程序調(diào)用sklearn模塊的DecisionTreeClassifier模型。最終訓(xùn)練好的決策樹(shù)模型如圖3所示。圖中各標(biāo)記含義與圖2相同。模型在訓(xùn)練集上的準(zhǔn)確率為100%，在測(cè)試集上的準(zhǔn)確率為87.5%，模型在訓(xùn)練集....

本文編號(hào)：3897196