公开(公告)号：CN117590233A

公开(公告)日：2024-02-23

申请号：CN202311468036.8

申请日：2023-11-06

Applicant: 哈尔滨理工大学

Inventor： 李述 ,  张诏 ,  王英鹤

IPC: G01R31/367 ,  G06N20/00

Abstract: 本发明提供一种基于特征生成器的金属离子电池电极平均电压与比容量的预测方法及装置，属于电池材料性质预测领域。为解决现有技术对金属离子电池电极平均电压与比容量进行预测时预测特征的选择不够准确、预测精度有待提高的问题。步骤一、构建包含物理特征的电极数据集；步骤二、通过数据清洗，减少异常值干扰使模型学习效果更好；步骤三、利用Matminer生成成分与结构特征；步骤四、确定最优超参数构建DNN模型；步骤五、基于LGBM模型应用SBS方法进行特征选择；步骤六、具有最优特征组合的数据集输入到DNN模型中训练，得到预测模型；步骤七、将待测数据输入模型中进行预测。通过本发明方法得到金属离子电池电极平均电压与比容量预测模型具有更高的准确性。

公开(公告)号：CN117079753A

公开(公告)日：2023-11-17

申请号：CN202311077115.6

申请日：2023-08-24

Applicant: 哈尔滨理工大学

Inventor： 李述 ,  王英鹤 ,  徐婧 ,  张诏

IPC: G16C60/00 ,  G06F30/20 ,  G06F113/26 ,  G06F111/10

Abstract: 本发明提供一种基于可解释性和Matminer特征生成器的剪切模量与体积模量的预测方法，属于材料性质预测领域。为在较短时间内提供结果并进行验证，缩短材料研究时间。步骤一、数据收集：包括化学成分式、结构信息等；步骤二、特征生成：利用Matminer提取成分信息，将成分信息与结构信息导入Matminer后生成特征；步骤三、特征筛选：使用皮尔逊相关系数绝对值排序法进行特征选择；步骤四、可解释性：对所选择的特征使用SHAP方法进行解释性分析；步骤五、数据预测：将保留所选特征的数据集作为训练集，输入到LightGBM模型中进行训练，得到剪切模量与体积模量的LightGBM预测模型。通过本发明方法得到的剪切模量与体积模量预测模型具有较高的准确性，同时训练与预测所需的时间很短。