[发明专利]一种铁基合金吉布斯自由能预测方法和系统

权利要求书

1.一种铁基合金吉布斯自由能预测方法，其特征在于，包括：

获取铁基合金材料的热力学实验数据；所述热力学实验数据包括：合金组成、实验温度、组成相和吉布斯自由能；

对所述热力学实验数据进行预处理，得到处理数据；

获取初始吉布斯自由能预测模型；所述初始吉布斯自由能预测模型为基于因子分解机、按位自注意力机制和双向长短记忆神经网络Bi-LSTM的融合模型；

采用所述处理数据对所述初始吉布斯自由能预测模型进行训练，得到训练后的吉布斯自由能预测模型；

获取待预测的铁基合金材料数据；

以所述待预测的铁基合金材料数据为输入，采用所述训练后的吉布斯自由能预测模型输出待预测铁基合金材料的吉布斯自由能；

所述以所述待预测的铁基合金材料数据为输入，采用所述训练后的吉布斯自由能预测模型输出待预测铁基合金材料的吉布斯自由能，具体包括：

采用因子分解机提取所述待预测的铁基合金材料数据的低阶特征；其中，使用因子分解机提取铁基合金材料数据中的一阶特征和二阶特征；因子分解机的计算公式为：

采用按位自注意力机制对所述低阶特征的权重系数进行按位分配；其中，首先，按位生成目标注意力权重v_t：v_t＝u_vtanh(w_vh_t+b_v)；其次，将注意力权重概率化，通过softmax函数生成概率向量a_t：之后，进行注意力权重的配置，将生成的注意力权重配置给对应的特征e_t，得到对输入特征进行加权平均后的向量s_t：

采用Bi-LSTM网络根据按位分配后的低阶特征得到高阶特征；

根据所述低阶特征和所述高阶特征确定待预测铁基合金材料的吉布斯自由能；其中，预测结果用y表示，激活函数采用sigmoid函数，预测公式表示为：y＝sigmoid(w_mm_t+w_hh_t+b_y)；

式中，z_i、z_j是一个K维的隐向量，z_iz_j表示隐向量z_i和隐向量z_j的点积，w₀、w_i、w_ij是权重矩阵，n代表样本的特征数量，e_i是由全连接层得到的第i个特征，u_v和w_v均为权重系数，b_v和b_y均为偏置数，tanh()为激活函数，w_m、w_h为权重矩阵，m_t为因子分解机的输出，h_t为Bi-LSTM网络的输出，t为时刻。

2.根据权利要求1所述的铁基合金吉布斯自由能预测方法，其特征在于，所述对所述热力学实验数据进行预处理，得到处理数据，具体包括：

根据所述热力学实验数据生成第一数据表；

对所述第一数据表中的缺失项进行填充，得到第二数据表；

对所述第二数据表中的数据进行归一化处理，得到第三数据表；

对所述第三数据表中的数据进行One-Hot编码得到所述处理数据。

3.根据权利要求2所述的铁基合金吉布斯自由能预测方法，其特征在于，所述对所述第一数据表中的缺失项进行填充，得到第二数据表，具体包括：

判断所述第一数据表中缺失的数据是分类数据还是连续数据；

当所述第一数据表中缺失的数据为分类数据时，采用所述第一数据表中缺失数据的上一条数据的对应值对缺失的数据进行填充；

当所述第一数据表中缺失的数据为连续数据时，采用所述第一数据表中与该缺失的数据属性相同的数据的均值对缺失的数据进行填充。