[发明专利]一种LED结构性能的预测方法

权利要求书

1.一种LED结构性能的预测方法，其特征在于包括下列步骤：

收集、提取LED结构的输入特征参数及对应的输出特征参数的数据，将所述数据分为原始数据集和预测数据集；

对所述原始数据集和所述预测数据集进行预处理，获得预处理的原始数据集和预处理的预测数据集；

运用机器学习算法构建初始模型；

对所述初始模型进行结构参数设定，并对所述结构参数进行初始化训练，获得初始化的模型；

优化所述初始化的模型，运用所述预处理的原始数据集对所述初始化的模型进行训练，以获得相应的网络权重和偏置,进而得到预测模型；

预测，将待预测的LED结构的输入特征参数中的所述预处理的测试数据集输入所述预测模型，进而获得所述待预测的LED结构的输出特征参数的预测值。

2.根据权利要求1所述的LED结构性能的预测方法，其特征在于：所述LED结构的输入特征参数包括所述LED结构中量子阱区的势垒层和势阱层的结构、成分、含量，以及电子阻挡层的结构、成分、含量；所述对应的输出特征参数包括所述LED结构的内量子效率、光输出功率及其所对应的电流密度。

3.根据权利要求1所述的LED结构性能的预测方法，其特征在于：所述机器学习算法至少为深度学习算法、多层感知器、决策树、线性回归、梯度提升回归中的一种。

4.根据权利要求3所述的LED结构性能的预测方法，其特征在于：所述深度学习算法至少为卷积神经网络、循环神经网络、自编码、深度置信网络中的一种。

5.根据权利要求1所述的LED结构性能的预测方法，其特征在于：所述LED结构包括InGaN基可见光LED、AlGaN基深紫外LED、GaAs基LED、GaAlAs基LED、GaP基LED。

6.根据权利要求1所述的LED结构性能的预测方法，其特征在于：所述LED结构的输入特征参数及对应的输出特征参数的数据可根据所述LED结构的类型进行筛选、调整。

7.根据权利要求1所述的LED结构性能的预测方法，其特征在于：对所述原始数据集和所述预测数据集进行预处理的方法包括以下步骤：

挑选特征，依据已知的物理知识及数据之间的关系对所述LED结构的输入特征参数进行挑选；

数据处理，对挑选出的所述特征数据进行归一化处理；

数据重组，对处理后的所述特征数据的大小进行重组。

8.根据权利要求7所述的LED结构性能的预测方法，其特征在于：在对挑选出的所述特征数据进行归一化处理后，所述特征参数的数据均值为0、标准差为1。

9.根据权利要求1所述的LED结构性能的预测方法，其特征在于：在优化所述初始化的模型的步骤中，采用均方误差判定所述初始化的模型的训练结果，所述均方误差公式为：其中，Predict_i、Actual_i分别为第i个样本的预测值、真实值。