基于符号回归的钢相变动力学建模
机器学习
2022-12-21 v1 神经与进化计算
摘要
我们描述了一种基于符号回归与遗传编程的钢相变动力学经验建模方法。该算法接收从膨胀仪测量中采集并处理的数据, 产生一个对相变动力学建模的微分方程组。我们的初步结果表明, 所提方法能够识别出贴合数据的紧凑微分方程。该模型针对单一钢种预测铁素体、珠光体与贝氏体形成。马氏体尚未纳入模型。未来工作将纳入马氏体并推广至具有不同化学成分的多种钢种。
引用
@article{arxiv.2212.10284,
title = {Steel Phase Kinetics Modeling using Symbolic Regression},
author = {David Piringer and Bernhard Bloder and Gabriel Kronberger},
journal= {arXiv preprint arXiv:2212.10284},
year = {2022}
}
备注
24th International Symposium on Symbolic and Numeric Algorithms for Scientific Computing (SYNASC 2022)