買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜中冶賽迪信息技術(重慶)有限公司申請的專利線棒材力學性能預測方法及計算機可讀存儲介質(zhì)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN113887089B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202111364521.1，技術領域涉及：G06F30/20；該發(fā)明授權線棒材力學性能預測方法及計算機可讀存儲介質(zhì)是由張璟涵;湯檳;余鵬;毛尚偉;張曉輝設計研發(fā)完成，并于2021-11-17向國家知識產(chǎn)權局提交的專利申請。

本線棒材力學性能預測方法及計算機可讀存儲介質(zhì)在說明書摘要公布了：本發(fā)明提供一種線棒材力學性能預測方法及計算機可讀存儲介質(zhì)，屬于線棒材生產(chǎn)技術領域。包括以下步驟：獲取樣本數(shù)據(jù)，所示樣本數(shù)據(jù)包括線棒材的力學性能預測參數(shù)及相應的力學性能檢驗結果；對樣本數(shù)據(jù)進行預處理，預處理包括多種預處理方式，根據(jù)各種預處理方式及各種預處理方式的組合，分別得到相應的訓練數(shù)據(jù)集；根據(jù)樣本數(shù)據(jù)，建立性能預測模型；采用各個訓練數(shù)據(jù)集分別對性能預測模型進行訓練并評估，獲取最終模型；將預測對象的預測參數(shù)輸入至最終模型，獲取預測對象的力學性能預測結果。本發(fā)明能夠對樣本數(shù)據(jù)進行預處理，根據(jù)預處理方法進行評估，提升預測結果的準確度，從而提高檢化驗效率。也能以力學性能為目標，對生產(chǎn)參數(shù)進行優(yōu)化。

本發(fā)明授權線棒材力學性能預測方法及計算機可讀存儲介質(zhì)在權利要求書中公布了：1.一種線棒材力學性能預測方法，其特征在于，包括以下步驟：獲取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括線棒材的力學性能預測參數(shù)及相應的力學性能檢驗結果；對所述樣本數(shù)據(jù)進行預處理，所述預處理包括基礎預處理方式及可選預處理方式，所述基礎預處理方式包括缺失值處理、異常樣本過濾，所述可選預處理方式包括無量綱化、樣本均衡、特征選擇及特征降維；根據(jù)所述樣本數(shù)據(jù)，建立性能預測模型；將所述樣本數(shù)據(jù)依次通過各個基礎預處理方式進行處理及評估，得到通過各個所述基礎預處理方式進行處理后的樣本數(shù)據(jù)，將所述通過各個基礎預處理方式進行處理的的樣本數(shù)據(jù)，依次通過各個通過各所述可選預處理方式進行處理及評估，得到通過各所述可選預處理方式進行處理后的樣本數(shù)據(jù)；采用通過各所述可選預處理方式進行處理后的樣本數(shù)據(jù)對性能預測模型進行訓練，得到最終模型；將預測對象的預測參數(shù)輸入至所述最終模型，獲取預測對象的力學性能預測結果；其中，所述缺失值處理包括刪除法、均值填充法及隨機插值填充法，異常樣本過濾包括工藝規(guī)則閾值過濾法，無量綱化包括標準化和歸一化，樣本均衡采用過采樣，特征選擇包括方差選擇法和相關系數(shù)法，特征降維包括性判別分析法及主成分分析法；對所述樣本數(shù)據(jù)進行缺失值處理時，采用刪除法、均值填充以及隨機插值填充分別對所述樣本數(shù)據(jù)進行處理，得到三組第一訓練數(shù)據(jù)子集，通過三組第一訓練數(shù)據(jù)子集分別對性能預測模型分別進行訓練及評估，選擇精度最高的性能預測模型所對應的第一訓練數(shù)據(jù)子集為第一訓練數(shù)據(jù)集；將所述第一訓練數(shù)據(jù)集進行異常樣本過濾，得到第二訓練數(shù)據(jù)集；對第二訓練數(shù)據(jù)集進行無量綱化處理時，分別采用標準化和歸一化分別對所述第二訓練數(shù)據(jù)集進行處理，得到兩組第二訓練數(shù)據(jù)子集，通過兩組第二訓練數(shù)據(jù)子集分別對性能預測模型分別進行訓練及評估，選出精度最高的性能預測模型所對應的第二訓練數(shù)據(jù)子集為第三訓練數(shù)據(jù)集；對所述第三訓練數(shù)據(jù)集進行樣本均衡處理得到第四訓練數(shù)據(jù)集；對所述第四訓練數(shù)據(jù)集進行特征選擇時，使用方差選擇法和相關系數(shù)法分別對所述第四訓練數(shù)據(jù)集進行處理，得到兩組第四訓練數(shù)據(jù)子集，選擇精度最高的性能預測模型所對應的第四訓練數(shù)據(jù)子集為第五訓練數(shù)據(jù)集；對所述第五訓練數(shù)據(jù)集進行特征降維處理時，使用性判別分析法、主成分分析法以及改進的主成分分析法對所述第五訓練數(shù)據(jù)集進行特征降維處理，得到三組第五訓練數(shù)據(jù)子集，選擇精度最高的性能預測模型所對應的第五訓練數(shù)據(jù)子集為第六訓練數(shù)據(jù)集。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人中冶賽迪信息技術(重慶)有限公司，其通訊地址為：401329 重慶市九龍坡區(qū)白市驛鎮(zhèn)農(nóng)科大道66號2幢5-6號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。