支持向量机算法在熔盐相图数据库智能化中的应用.docVIP

支持向量机算法在熔盐相图数据库智能化中的应用 包新华， 陆文聪， 陈念贻 （上海大学化学系计算机化学研究室，上海，200436） ：支持向量机（SVM）方法可被用于熔盐系未知相图的计算机预报。将已知的二元卤化物系相图数据作为训练集， 体系组分的离子半径和电负性作为特征量，用SVM方法可预报中间化合物的形成与否、熔化类型（同分熔化还是异分 熔化）和估计中间化合物的熔点。本文报道了型的中间化合物的形成判据、型化合物的熔化类型的MMClMMF3624 判据以及型中间化合物熔点计算的回归方程式。用“留一法”检验所得的数学模型并将结果与传统的模式识MMX4 别方法（Fisher法和KNN）进行了比较，结果表明：SVM的预报准确率比Fisher法和KNN法都高。因此，SVM方法有望 成为计算机预报未知相图的有力工具。 ：支持向量机；熔盐相图；计算机预报；中间化合物；原子参数 O 06-04 Support Vector Machine Applied to Intelligent Database of Phase Diagrams of Molten Salt Systems BAO Xin-Hua, LU Wen-Cong, CHEN Nian-Yi (Laboratory of Chemical Data Mining, Department of Chemistry, Shanghai University, Shanghai, 200436，China) Abstract: In this work, SVM(support vector machine) method was used for the computerized prediction of unknown phase diagrams of molten salt systems. Using the data of known phase diagrams of binary halide systems as training set, and some atomic parameters related to ionic radii, electronegativity as features, SVM method was applied to predict the formability, melting type and melting points of intermediate compounds. The criteria for prediction such as formation of intermediate compound of type,themelting type of type compounds and the melting points of type compounds MMXMMClMMF 43624 were obtained. And the results of the cross-validation experiment comparing SVM with two other pattern recognition methods, Fisher method and KNN method indicated that the predictive ability of SVM was better than that of Fisher method or KNN method. Keywords: support vector machine; phase diagrams of molten salt systems; computerized prediction; intermediate compound; atomic parameters 熔盐相图是冶金、化工和材料科学研究的重要理论依据。二元、三元熔盐系多达数十万种，而已 测出相图者仅数千种，现有相图远不能满足需要，因此相图的计算机预报成为重要任务。用热力学预 报相图已取得较好效果。但热力学方法亦有其局限性。单凭热力学方法无法预报未测相图是否有未知 的中间化合物，在无热力学数据时亦无法预报未知相图的液相线（面）。事实上，有时为了应付实用 的急需，即使是粗略的估计也是很有用的。为此，我们寻找计算机预报熔盐相图的其它途径。人们很 早就注意到熔盐相图和氧化物相图的几何形状与组分元素原子参数的关系。早在1949年Thilo就指 2002-06-10；修回日期：2002-09-10 国家自然科学基金委和美国福特公司联合资助，批准号：9716214 包新华，男，副教授，研究方向：计算机化学 1 出LiF