买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京科技大学

摘要：本发明公开一种遗传算法优化的界面张力智能预测方法，涉及界面张力预测领域，包括初始化自动机器学习模型的候选模型集合；定义遗传算法的参数；选择个体；得到每个个体的选择概率；确定被选个体；对被选个体进行变异；进行个体间交叉，生成后代个体；确定预测模型；计算第二预测结果；合并补充数据集和归一化数据；定义表达式算子；生成初始模型表达式；利用遗传算法搜索初始模型表达式的空间，确定候选表达式；对候选表达式的适应度进行性能评估，搜索得到最优的模型表达式。本发明融合遗传算法、自动机器学习和符号回归方法，进行界面张力的预测，提高了界面张力的预测速度和精度，同时通过数学表达式提高了数据驱动模型的可解释性。

主权项：1.一种遗传算法优化的界面张力智能预测方法，其特征在于，包括：采集原始数据，并对所述原始数据进行归一化，得到归一化数据；所述原始数据包括压力、温度、离子强度、气体类型和多组分气体占比，所述多组分气体包括，，和；气体类型通过相对分子质量加权进行编码，表达式为：，其中，表示气体类型，表示多组分气体中某气体的摩尔占比；初始化自动机器学习模型的候选模型集合，所述候选模型集合包括多个候选机器学习模型；定义遗传算法的参数；从所述候选模型集合中选择第一数量的候选机器学习模型，作为个体；基于所述归一化数据，对每个所述个体的第一预测结果进行性能评估，得到每个所述个体的选择概率；根据所述选择概率，构建累积序列，并基于所述累积序列，确定被选个体；设置所述被选个体的数量加1，并判断所述被选个体的数量是否小于第二数量，若是，跳转至从所述候选模型集合中选择第一数量的候选机器学习模型步骤；若否，对所述被选个体进行变异，得到变异后个体；基于所述变异后个体，进行个体间交叉，生成后代个体；第一迭代次数加1，并判断第一迭代次数是否小于第一迭代阈值，若是，跳转至从所述候选模型集合中选择第一数量的候选机器学习模型步骤；若否，将当前所述后代个体作为预测模型；基于所述原始数据，生成多组样本数据，并对所述样本数据进行归一化，得到归一化样本；将所述归一化样本输入所述预测模型，得到第二预测结果；将所述第二预测结果和所述归一化样本作为补充数据集，合并所述补充数据集和所述归一化数据，得到合并数据；定义表达式算子；基于符号回归，根据所述表达式算子和所述合并数据，生成初始模型表达式；利用遗传算法搜索所述初始模型表达式的空间，确定候选表达式；基于所述合并数据，对每个所述候选表达式的第三预测结果进行性能评估，确定被选表达式集合；对所述被选表达式集合中的所有被选表达式进行变异，生成变异表达式；基于所述变异表达式，进行交叉，生成后代表达式；第二迭代次数加1，并判断迭代次数是否小于第二迭代阈值，若是，跳转至确定候选表达式步骤；若否，将当前所述后代表达式作为最优的模型表达式；所述最优的模型表达式为，其中，为界面张力，为压力，为温度，为离子强度，为气体类型，，和分别为H2，CO2和CH4的摩尔占比。

全文数据：

权利要求：

百度查询： 北京科技大学 一种遗传算法优化的界面张力智能预测方法