一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法及装置

摘要

本发明提供一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法及装置，属于合金硬度预测领域。为解决现有技术对高熵合金硬度进行预测时往往因数据不足而进行数据扩充，其数据扩充方法无法保证生成数据的质量，不利于提高高熵合金的硬度预测准确度的问题。包括：步骤一、构建高熵合金物理特征与硬度的原始训练集；步骤二、构建GAN神经网络模型，对原始训练集特征进行扩充；步骤三、构建机器学习模型，将扩充特征数据集的特征生成标签，得到扩充训练集；步骤四、将扩充训练集与原始训练集构建合并训练集；步骤五、采用合并训练集对机器学习模型进行调参并训练，得到高熵合金硬度模型。通过本发明方法得到高熵合金硬度模型具有更高的准确性。