原创力文档- 1、本文档共11页，其中可免费阅读10页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于机器学习的疲劳性能预测方法，首先收集材料数据形成初始样本数据，采用Sobol全局灵敏度分析方法评估各特征变量对输出变量方差的贡献度，并对特征变量的重要性进行排序，进而筛选出关键特征变量，形成训练样本数据；将训练样本数据划分为训练集、验证集和测试集用于训练模型；基于训练集与验证集数据进行模型训练学习，获取对应模型参数，输出基于现有训练集/验证集学习训练的模型，采用决定系数R2来定量评估模型预测表现，完成模型的建立，利用训练好的模型进行疲劳性能预测。本发明利用更加全面的材料信息建
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112214933 A
(43)申请公布日 2021.01.12
(21)申请号 202011123975.5 G06N 3/04 (2006.01)
文档评论（0）