CN114678087A - 一种高通量材料计算数据自动采集和加工方法及系统 - Google Patents
一种高通量材料计算数据自动采集和加工方法及系统 Download PDFInfo
- Publication number
- CN114678087A CN114678087A CN202210232758.2A CN202210232758A CN114678087A CN 114678087 A CN114678087 A CN 114678087A CN 202210232758 A CN202210232758 A CN 202210232758A CN 114678087 A CN114678087 A CN 114678087A
- Authority
- CN
- China
- Prior art keywords
- target material
- physicochemical property
- property data
- central control
- control module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种高通量材料计算数据自动采集和加工方法及系统,包括,采集模块,用于采集数据并传送至处理模块;所述处理模块,用于构建最优目标材料晶体模型;计算模块,用于计算从而得到所述目标材料的第一性原理数据;判断模块,用于判断第一性原理计算结果的数据来源是否为多个计算过程;分析模块,用于进行可靠性分析;中控模块,与所述采集模块、所述计算模块、所述判断模块、所述分析模块相连接,其中,所述中控模块获取的目标材料物化性质数据不可靠,所述中控模块对目标材料建模参数进行调节,所述中控模块获取的目标材料物化性质数据不准确,所述中控模块对目标材料物化性质数据进行调节。
Description
技术领域
本发明涉及高通量材料领域,尤其涉及一种高通量材料计算数据自动采集和加工方法及系统。
背景技术
目前,当用户获取目标材料的基本物化性质数据后,只能根据相关经验和参考文献判断得到的物化性质数据是否可靠,当获取的目标材料物化性质数据不可靠时,需要用户对目标材料建模参数手动进行调节,即使获取的目标材料物化性质数据可靠,也无法判断其是否准确,从而影响对目标材料物化性质数据的认识。
中国专利ZL201610798431.6公开了一种材料基因工程高通量集成计算与数据管理的方法及系统,其特征在于对目标材料初始结构进行筛选,用户上传或者推荐计算参数并设置计算资源,通过筛选后的有效结构、计算参数、计算资源相结合得出计算第一性原理计算结果,不能对得到的算结果的可靠性和准确性进行分析、调节。
发明内容
为此,本发明提供一种高通量材料计算数据自动采集和加工方法及系统,可以对获取的目标材料物化性质数据的可靠性和准确性进行判断并对物化性质数据进行调节,以使得到的目标材料物化性质数据更加精准。
为实现上述目的,一方面,本发明提供一种高通量材料计算数据自动采集和加工系统,包括:
采集模块,用于对目标材料晶体结构数据进行采集,并将采集到的数据传送至处理模块;
所述处理模块,用于对所述采集模块传送的数据进行处理,构建目标材料晶体模型;
计算模块,用于根据目标材料晶体模型获取目标材料的第一性原理数据;
判断模块,用于判断第一性原理计算结果的数据来源数量并获取目标材料物化性质数据;
分析模块,用于将通过所述判断模块获取的目标材料物化性质数据与目标材料预设物化性质相比较,对获取的目标材料物化性质数据的可靠性进行分析;
中控模块,与所述处理模块、所述判断模块以及所述分析模块相连接,其中,所述中控模块获取目标材料不可靠物化性质数据的数量,中控模块将获取的目标材料不可靠物化性质数据数量与预设值相比较,对目标材料建模参数的标准性进行判定,其中,中控模块判定目标材料建模参数不符合预设标准时,中控模块根据目标材料不可靠物化性质数据的数量对目标材料建模参数进行调节;中控模块判定目标材料建模参数符合预设标准时,中控模块根据目标材料物化性质数据的相关度对目标材料物化性质数据的准确性进行判定,中控模块判定获取的目标材料物化性质数据不准确时,中控模块根据目标材料物化性质数据的相关度对目标材料物化性质数据进行调节;中控模块判定获取的目标材料物化性质数据准确时,对获取的目标材料物化性质数据进行存储。
进一步,所述分析模块预设目标材料第一物化性质数据D1(D11,D12)、第二物化性质数据D2(D21,D22)···至第m物化性质数据Dm(Dm1,Dm2),其中,D11为预设目标材料第一物化性质数据第一标准值,D12为预设目标材料第一物化性质数据第二标准值,D21为预设目标材料第二物化性质数据第一标准值,D22为预设目标材料第二物化性质数据第二标准值···Dm1为预设目标材料第m物化性质数据第一标准值,Dm2为预设目标材料第m物化性质数据第二标准值,分析模块将获取的目标材料的物化性质数据d1、d2、d3···dm与预设第i物化性质数据相比较,对目标材料物化性质数据的可靠性进行判断,其中,
当di≤Di1时,所述分析模块判定获取的目标材料第i物化性质数据不可靠;
当Di1<di<Di2时,所述分析模块判定获取的目标材料第i物化性质数据可靠;
当di≥Di2时,所述分析模块判定获取的目标材料第i物化性质数据不可靠;
其中,i=1,2,···m,m为目标材料物化性质数据的量。
进一步地,所述分析模块判定获取的目标材料物化性质数据不可靠,所述中控模块获取目标材料不可靠物化性质数据个数,中控模块预设数量标准值X0,设定X0=m/c,所述中控模块通过将获取的不可靠目标材料物化性质数据数量x与预设数量相比较,对目标材料建模参数的标准性进行判断,其中,
当x≤X0时,所述中控模块判定目标材料建模参数符合预设标准;
当x>X0时,所述中控模块判定目标材料建模参数不符合预设标准。
进一步地,所述中控模块判定目标材料建模参数不可靠时,所述中控模块选取调节参数对目标材料建模参数进行调节,其中,
当x≤X1时,所述所述中控模块选取第一预设调节参数P1对目标材料建模参数进行调节
当X1<x<X2时,所述中控模块选取第二预设调节参数P2对目标材料建模参数进行调节;
当x≥X2时,所述中控模块选取第三预设调节参数P3对目标材料建模参数进行调节;
其中,所述中控模块预设数量X,设定第一预设数量X1,第二预设数量X2,所述中控模块预设调节参数P,设定第一预设调节参数P1,第二预设调节参数P2,第三预设调节参数P3。
进一步地,所述分析模块获取的目标材料第i物化性质数据大于预设第i物化性质数据第一标准值小于预设第i物化性质数据第二标准值,所述分析模块判定获取的目标材料第i物化性质数据可靠,所述中控模块预设相关度E,中控模块通过将获取的目标材料物化性质数据相关度e与预设相关度相比较,对目标材料物化性质数据进行调节,其中,
当e≤E1时,所述中控模块判定目标材料物化性质数据不准确,中控模块选取第一预设补偿调节参数H1增大目标材料物化性质数据di至di1;
当E1<e<E2时,所述中控模块判定目标材料物化性质数据准确;
当e≥E2时,所述中控模块判定目标材料物化性质数据不准确,中控模块选取第二预设补偿调节参数H2减小所述目标材料物化性质数据di至di2;
其中,所述中控模块预设相关度E,设定第一预设相关度E1,第二预设相关度E2,所述中控模块预设补偿调节参数H,设定第一预设补偿调节参数H1,第二预设补偿调节参数H2。
进一步地,当所述中控模块获取的目标材料物化性质数据相关度小于等于第一预设相关度时,所述中控模块判定选取第一预设补偿调节参数将目标材料物化性质数据di增大至di1,设定di1=di×(1+2H1/3),当所述中控模块获取的目标材料物化性质数据相关度大于等于第二预设相关度时,所述中控模块判定选取第二预设补偿调节参数将目标材料物化性质数据di减小至di2,设定di1=di×(1-2H2/3)。
进一步地,所述中控模块获取的目标材料建模参数(a1,a2···ak)以及上一次目标材料建模参数(a1’,a2’···ak’),中控模块获取目标材料物化性质数据相关度e,设定e=∑(|ai-ai’|/ai’)×Tj;
其中,i=1,2···k,j=1,2···k,k为目标材料建模参数的次序,当j=i时,T=1.2,当j≠i时,T=1。
进一步地,所述中控模块预设参考物化性质数据D0i,中控模块将获取的目标材料物化性质数据dir与预设参考物化性质数据相比较,对所述补偿调节参数进行调节,其中,
当dir≤D0i1时,所述中控模块增大第一预设补偿调节参数H1至H1’;
当D0i1<di<D0i2时,所述中控模块不对预设调节补偿参数进行调节;
当dir≥D0i2时,所述中控模块减小第二预设补偿调节参数H2至H2’;
其中,所述中控模块预设参考物化性质数据D0i,设定第一预设参考物化性质数据D0i1,第二预设参考物化性质数据D0i2,r=1,2。
进一步地,当所述中控模块对获取的目标材料物化性质数据小于等于第一预设参考物化性质数据时,所述中控模块判定将第一预设补偿调节参数H1增大至H1’,设定H1’=H1×(1+|D0i1-dir|/D0i1),当所述中控模块对获取的目标材料物化性质数据大于等于第二预设参考物化性质数据时,所述中控模块判定将第二预设补偿调节参数H2减小至H2’,设定H2’=H2×(1-|D0i2-dir|/D0i2)。
进一步地,本发明提供一种高通量材料计算数据自动采集和加工方法,包括,
步骤S1,所述采集模块对目标材料晶体结构数据进行采集,并将采集到的数据传送至处理模块;
步骤S2,所述处理模块根据所述采集模块传送的数据构建目标材料晶体模型;
步骤S3,所述计算模块根据所述处理模块构建的目标材料晶体模型,对目标材料的第一性原理进行计算;
步骤S4,所述判断单元判断目标材料第一性原理计算结果中数据来源单一时调用所述第一分类单元、所述判断单元判断目标材料第一性原理计算结果中数据来源为多个时调用所述第二分类单元,获取目标材料物化性质数据;
步骤S5,对得到的目标材料物化性质数据进行可靠性分析,当目标材料物化性质不可靠时,所述中控模块对目标材料晶体模型的构建参数进行调节,当目标材料物化性质数据可靠时,执行步骤S6;
步骤S6,所述中控模块根据目标材料物化性质数据相关度对目标材料物化性质数据准确性进行判断,当目标材料物化性质数据不准确时,所述中控模块对物化性质数据进行调节。
与现有技术相比,本发明的有益效果在于,本发明设置中控模块,所述中控模块与所述处理模块、所述判断模块、所述分析模块相连接,所述分析模块通过将获取的目标材料物化性质数据与预设物化性质数据相比较,判断获取的目标材料物化性质数据的可靠性,所述分析模块判定目标材料物化性质数据不可靠时,所述中控模块统计获取的目标材料物化性质数据中不可靠的个数,所述中控模块将统计得到的不可靠数据的个数与预设不可靠个数相比较,对目标材料建模参数是否符合预设标准进行判断,当所述中控模块判定目标材料建模参数不符合预设标准时,中控模块选取调节参数对目标材料建模参数进行调节,所述处理模块重新构建目标材料晶体模型,所述中控模块判定目标材料建模参数符合预设标准时,所述中控模块根据目标材料物化性质数据的相关度对目标材料物化性质数据的准确性进行判断,目标材料物化性质数据不准确时,所述中控模块根据目标材料物化性质数据的相关度选取补偿调节参数对目标材料物化性质数据进行调节,以使所述高通量材料计算数据自动采集和加工系统得到的目标材料物化性质数据符合预设标准。
尤其,所述分析模块预设目标材料若干物化性质数据的若干标准值,中控模块将获取的目标材料的物化性质数据与对应的预设物化性质数据相比较,对目标材料物化性质数据的可靠性进行判断,当获取的目标材料的物化性质数据小于等于预设物化性质第一标准值时,说明获取的物化性质数据不可靠,所述中控模块统计不可靠的物化性质数据的个数,并将统计的不可靠数据的数量与预设数量标准值相比较,对目标材料建模参数是否符合标准进行判断,当获取的目标材料物化性质数据大于预设物化性质第一标准值时小于第二标准值时,说明获取的物化性质数据可靠,当所述中控模块获取的物化性质数据大于等于预设物化性质第二标准值时,说明获取的物化性质数据不可靠,所述中控模块统计不可靠的物化性质数据的个数,并将统计的不可靠数据的数量与预设数量相比较,对目标材料建模参数是否符合预设标准进行判断。
尤其,所述中控模块判定目标材料建模参数不符合预设标准时,所述中控模块选取调节参数对目标材料建模参数进行调节,当获取的不可靠目标材料物化性质数据数量小于等于第一预设数量时,所述中控模块选取第一预设调节参数对目标材料建模参数进行调节,当获取的不可靠目标材料物化性质数据数量大第一预设数量小于第二预设数量时,所述中控模块选取第二预设调节参数对目标材料建模参数进行调节,当获取的不可靠目标材料物化性质数据数量大于等于第二预设数量时所述中控模块选取第三预设调节参数对目标材料建模参数进行调节。
尤其,所述中控模块获取的目标材料物化性质数据大于预设物化性质数据第一标准值小于预设物化性质数据第二标准值时,说明获取的目标材料物化性质数据是可靠的,即处于目标材料物化性质数据的通常范围,但是无法肯定所获得的的数据是准确的,为了对获取的物化性质数据是否准确进行判断,所述中控模块预设相关度,所述分析模块判定获取的目标材料物化性质数据可靠,中控模块通过将获取的目标材料物化性质数据相关度与预设相关度相比较,对目标材料物化性质数据进行调节,所述判断模块获取的目标材料物化性质数据受到构建的目标材料晶体模型影响,目标材料建模参数的调节会使目标材料物化性质数据产生相应变化,并且,建模参数中的同一参数的变化对不同物化性质数据的影响不同,因此,所述中控模块通过获取的相邻两次目标材料建模参数计算物化性质数据的相关度,当所述中控模块获取的目标材料的物化性质数据相关度小于等于第一预设相关度时,所述中控模块判定获取的目标材料物化性质数据不准确,中控模块获取的目标材料物化性质数据偏小,因此所述中控模块选取第一预设补偿调节参数增大目标材料物化性质数据,使目标材料物化性质数据符合标准,当所述中控模块获取的目标材料的物化性质数据相关度大于第一预设相关度小于第二预设相关度时,所述中控模块判定获取的目标材料物化性质数据准确,无需要对目标材料物化性质数据进行调节,当所述中控模块获取的目标材料的物化性质数据相关度大于等于第二预设相关度时,所述中控模块判定获取的目标材料物化性质数据不准确,中控模块获取的目标材料物化性质数据偏大,因此所述中控模块选取第二预设补偿调节参数对目标材料物化性质数据进行调节,使目标材料物化性质数据符合标准。
附图说明
图1为发明实施例高通量材料计算数据自动采集和加工系统示意图;
图2为发明实施例高通量材料计算数据自动采集和加工系统判断模块示意图;
图3为发明实施例高通量材料计算数据自动采集和加工方法流程示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明实施例高通量材料计算数据自动采集和加工系统示意图,包括,采集模块,用于对目标材料晶体结构数据进行采集,并将采集到的数据传送至处理模块;
所述处理模块,用于对所述采集模块传送的数据进行处理,构建目标材料晶体模型;
计算模块,用于根据目标材料晶体模型获取目标材料的第一性原理数据;
分析模块,用于将通过所述判断模块获取的目标材料物化性质数据与目标材料预设物化性质相比较,对获取的目标材料物化性质数据的可靠性进行分析;
中控模块,与所述处理模块、所述判断模块以及所述分析模块相连接,其中,所述中控模块获取目标材料不可靠物化性质数据的数量,中控模块将获取的目标材料不可靠物化性质数据数量与预设值相比较,对目标材料建模参数的标准性进行判定,其中,中控模块判定目标材料建模参数不符合预设标准时,中控模块根据目标材料不可靠物化性质数据的数量对目标材料建模参数进行调节;中控模块判定目标材料建模参数符合预设标准时,中控模块根据目标材料物化性质数据的相关度对目标材料物化性质数据的准确性进行判定,中控模块判定获取的目标材料物化性质数据不准确时,中控模块根据目标材料物化性质数据的相关度对目标材料物化性质数据进行调节;中控模块判定获取的目标材料物化性质数据准确时,对获取的目标材料物化性质数据进行存储。
请参阅图2所示,其为本发明实施例高通量材料计算数据自动采集和加工系统判断模块示意图,包括,判断模块,用于判断第一性原理计算结果的数据来源数量并获取目标材料物化性质数据,其中所述判断模块包括,在判断第一性原理计算结果数据来源为单一来源时调用的第一分类单元、判断第一性原理计算结果数据来源为多个来源时调用的第二分类单元,其中,所述第一分类单元包括用于从第一性原理计算结果中提取目标材料基本物化性质数据的第一加工单元、判断目标材料基本物化性质能否再次推导计算的第一判断单元,对所述第一加工单元提取的目标材料基本物化性质数据进行再次推导计算,从而得到目标材料更多物化性质数据的第一计算单元,储存无法再次推导计算的基本物化性质数据的第一存入单元、储存再次推导计算得出的基本物化性质数据的第二存入单元,所述第二分类单元包括用于对多个计算过程得到的第一性原理计算结果进行收集的收集单元、用于从所述收集单元收集的第一性原理计算结果中提取目标材料基本物化性质数据的第二加工单元、判断目标材料基本物化性质能否再次推导计算的第二判断单元以及对所述第二加工单元提取的目标材料基本物化性质数据进行再次推导计算,从而得到目标材料更多物化性质的第二计算单元,储存无法再次推导计算的基本物化性质数据的第三存入单元、储存再次推导计算得出的基本物化性质数据的第四存入单元;
所述分析模块预设目标材料第一物化性质数据D1(D11,D12)、第二物化性质数据D2(D21,D22)···至第m物化性质数据Dm(Dm1,Dm2),其中,D11为预设目标材料第一物化性质数据第一标准值,D12为预设目标材料第一物化性质数据第二标准值,D21为预设目标材料第二物化性质数据第一标准值,D22为预设目标材料第二物化性质数据第二标准值···Dm1为预设目标材料第m物化性质数据第一标准值,Dm2为预设目标材料第m物化性质数据第二标准值,分析模块将获取的目标材料的物化性质数据d1、d2、d3···dm与预设第i物化性质数据相比较,对目标材料物化性质数据的可靠性进行判断,其中,
当di≤Di1时,所述分析模块判定获取的目标材料第i物化性质数据不可靠;
当Di1<di<Di2时,所述分析模块判定获取的目标材料第i物化性质数据可靠;
当di≥Di2时,所述分析模块判定获取的目标材料第i物化性质数据不可靠;
其中,i=1,2,···m,m为目标材料物化性质数据的量。
所述分析模块判定获取的目标材料物化性质数据不可靠,所述中控模块获取目标材料不可靠物化性质数据个数,中控模块预设数量标准值X0,设定X0=m/c,所述中控模块通过将获取的不可靠目标材料物化性质数据数量x与预设数量相比较,对目标材料建模参数的标准性进行判断,其中,
当x≤X0时,所述中控模块判定目标材料建模参数符合预设标准;
当x>X0时,所述中控模块判定目标材料建模参数不符合预设标准。
具体而言,所述分析模块预设目标材料若干物化性质数据的若干标准值,中控模块将获取的目标材料的物化性质数据与对应的预设物化性质数据相比较,对目标材料物化性质数据的可靠性进行判断,当获取的目标材料的物化性质数据小于等于预设物化性质第一标准值时,说明获取的物化性质数据不可靠,所述中控模块统计不可靠的物化性质数据的个数,并将统计的不可靠数据的数量与预设数量标准值相比较,对目标材料建模参数是否符合标准进行判断,当获取的目标材料物化性质数据大于预设物化性质第一标准值时小于第二标准值时,说明获取的物化性质数据可靠,当所述中控模块获取的物化性质数据大于等于预设物化性质第二标准值时,说明获取的物化性质数据不可靠,所述中控模块统计不可靠的物化性质数据的个数,并将统计的不可靠数据的数量与预设数量相比较,对目标材料建模参数是否符合预设标准进行判断。
所述中控模块判定目标材料建模参数不可靠,所述中控模块选取调节参数对目标材料建模参数进行调节,其中,
当x≤X1时,所述所述中控模块选取第一预设调节参数P1对目标材料建模参数进行调节
当X1<x<X2时,所述中控模块选取第二预设调节参数P2对目标材料建模参数进行调节;
当x≥X2时,所述中控模块选取第三预设调节参数P3对目标材料建模参数进行调节;
其中,所述中控模块预设数量X,设定第一预设数量X1,第二预设数量X2,所述中控模块预设调节参数P,设定第一预设调节参数P1,第二预设调节参数P2,第三预设调节参数P3。
具体而言,所述中控模块判定目标材料建模参数不符合预设标准时,所述中控模块选取调节参数对目标材料建模参数进行调节,当获取的不可靠目标材料物化性质数据数量小于等于第一预设数量时,所述中控模块选取第一预设调节参数对目标材料建模参数进行调节,当获取的不可靠目标材料物化性质数据数量大第一预设数量小于第二预设数量时,所述中控模块选取第二预设调节参数对目标材料建模参数进行调节,当获取的不可靠目标材料物化性质数据数量大于等于第二预设数量时所述中控模块选取第三预设调节参数对目标材料建模参数进行调节。
所述分析模块获取的目标材料第i物化性质数据大于预设第i物化性质数据第一标准值小于预设第i物化性质数据第二标准值,所述分析模块判定获取的目标材料第i物化性质数据可靠,所述中控模块预设相关度E,中控模块通过将获取的目标材料物化性质数据相关度e与预设相关度相比较,对目标材料物化性质数据进行调节,其中,
当e≤E1时,所述中控模块判定目标材料物化性质数据不准确,中控模块选取第一预设补偿调节参数H1增大目标材料物化性质数据di至di1;
当E1<e<E2时,所述中控模块判定目标材料物化性质数据准确;
当e≥E2时,所述中控模块判定目标材料物化性质数据不准确,中控模块选取第二预设补偿调节参数H2减小所述目标材料物化性质数据di至di2;
其中,所述中控模块预设相关度E,设定第一预设相关度E1,第二预设相关度E2,所述中控模块预设补偿调节参数H,设定第一预设补偿调节参数H1,第二预设补偿调节参数H2。
进一步地,当所述中控模块获取的目标材料物化性质数据相关度小于等于第一预设相关度时,所述中控模块判定选取第一预设补偿调节参数将目标材料物化性质数据di增大至di1,设定di1=di×(1+2H1/3),当所述中控模块获取的目标材料物化性质数据相关度大于等于第二预设相关度时,所述中控模块判定选取第二预设补偿调节参数将目标材料物化性质数据di减小至di2,设定di1=di×(1-2H2/3)。
所述中控模块获取的目标材料建模参数(a1,a2···ak)以及上一次目标材料建模参数(a1’,a2’···ak’),中控模块获取目标材料物化性质数据相关度,设定e=∑(|ai-ai’|/ai’)×Tj;
其中,i=1,2···k,j=1,2···k,k为目标材料建模参数的次序,当j=i时,T=1.2,当j≠i时,T=1。
当所述中控模块判定目标物化性质数据不准确时,所述中控模块选取调节参数对目标材料物化性质数据进行调节,其中,
当e≤E1时,所述中控模块选取第一预设补偿调节参数H1调节对所述目标材料物化性质数据di至di1;
当e≥E2时,所述中控模块选取第二预设补偿调节参数H2调节所述目标材料物化性质数据di至di2;
其中,所述中控模块预设补偿调节参数H,设定第一预设补偿调节参数H1,第二预设补偿调节参数H2。
所述中控模块预设参考物化性质数据D0i,中控模块将获取的目标材料物化性质数据dir与预设参考物化性质数据相比较,对所述补偿调节参数进行调节,其中,
当dir≤D0i1时,所述中控模块增大第一预设补偿调节参数H1至H1’;
当D0i1<di<D0i2时,所述中控模块不对预设调节补偿参数进行调节;
当dir≥D0i2时,所述中控模块减小第二预设补偿调节参数H2至H2’;
其中,所述中控模块预设参考物化性质数据D0i,设定第一预设参考物化性质数据D0i1,第二预设参考物化性质数据D0i2,r=1,2。
当所述中控模块对获取的目标材料物化性质数据小于等于第一预设参考物化性质数据时,所述中控模块判定将第一预设补偿调节参数H1增大至H1’,设定H1’=H1×(1+|D0i1-dir|/D0i1),当所述中控模块对获取的目标材料物化性质数据大于等于第二预设参考物化性质数据时,所述中控模块判定将第二预设补偿调节参数H2减小至H2’,设定H2’=H2×(1-|D0i2-dir|/D0i2)。
具体而言,所述中控模块获取的目标材料物化性质数据大于预设物化性质数据第一标准值小于预设物化性质数据第二标准值时,说明获取的目标材料物化性质数据是可靠的,即处于目标材料物化性质数据的通常范围,但是无法肯定所获得的的数据是准确的,为了对获取的物化性质数据是否准确进行判断,所述中控模块预设相关度,所述分析模块判定获取的目标材料物化性质数据可靠,中控模块通过将获取的目标材料物化性质数据相关度与预设相关度相比较,对目标材料物化性质数据进行调节,所述判断模块获取的目标材料物化性质数据受到构建的目标材料晶体模型影响,目标材料建模参数的调节会使目标材料物化性质数据产生相应变化,并且,建模参数中的同一参数的变化对不同物化性质数据的影响不同,因此,所述中控模块通过获取的相邻两次目标材料建模参数计算物化性质数据的相关度,当所述中控模块获取的目标材料的物化性质数据相关度小于等于第一预设相关度时,所述中控模块判定获取的目标材料物化性质数据不准确,中控模块获取的目标材料物化性质数据偏小,因此所述中控模块选取第一预设补偿调节参数增大目标材料物化性质数据,使目标材料物化性质数据符合标准,当所述中控模块获取的目标材料的物化性质数据相关度大于第一预设相关度小于第二预设相关度时,所述中控模块判定获取的目标材料物化性质数据准确,无需要对目标材料物化性质数据进行调节,当所述中控模块获取的目标材料的物化性质数据相关度大于等于第二预设相关度时,所述中控模块判定获取的目标材料物化性质数据不准确,中控模块获取的目标材料物化性质数据偏大,因此所述中控模块选取第二预设补偿调节参数对目标材料物化性质数据进行调节,使目标材料物化性质数据符合标准。
本发明提供一种高通量材料计算数据自动采集和加工方法,包括,
步骤S1,所述采集模块对目标材料晶体结构数据进行采集,并将采集到的数据传送至处理模块;
步骤S2,所述处理模块根据所述采集模块传送的数据构建目标材料晶体模型;
步骤S3,所述计算模块根据所述处理模块构建的目标材料晶体模型,对目标材料的第一性原理进行计算;
步骤S4,所述判断单元判断目标材料第一性原理计算结果中数据来源单一时调用所述第一分类单元、所述判断单元判断目标材料第一性原理计算结果中数据来源为多个时调用所述第二分类单元,获取目标材料物化性质数据;
步骤S5,对得到的目标材料物化性质数据进行可靠性分析,当目标材料物化性质不可靠时,所述中控模块对目标材料晶体模型的构建参数进行调节,当目标材料物化性质数据可靠时,执行步骤S6;
步骤S6,所述中控模块根据目标材料物化性质数据相关度对目标材料物化性质数据准确性进行判断,当目标材料物化性质数据不准确时,所述中控模块对物化性质数据进行调节。
本发明对用户选择的高通量材料的不做限定,只要满足用户需求即可,高通量材料包括磁拓扑材料、石墨烯、金属钇···等,本发明以石墨烯为例对本发明进行具体说明,包括,
选取多个石墨烯晶体,所述采集模块对各个晶体结构数据进行全方面采集,由所述处理模块根据获取的数据进行建模,建立石墨烯晶体模型,所述计算模块根据构建的石墨烯晶体模型计算得到第一性原理计算数据,所述判断模块判断第一性原理计算结果数据的来源为单个,即该计算结果数据来源于一个计算过程而不是多个计算过程,调用所述第一分类单元,所述第一类分类单元通过所述第一加工单元从第一性原理计算结果中提取石墨烯的介电常数,存入第一存入单元,所述第一判断单元判断通过石墨烯的介电常数可以得到石墨烯材料的更多物化性质数据,所述中控模块调用所述第一计算单元计算得到石墨烯的折射率、吸收系数、能量损失系数、消光系数。
所述分析模块将获取的石墨烯折射率与预设折射率相比较、将获取的吸收系数与预设吸收系数相比较、将获取的能量损失系数与预设能量损失系数相比较、将获取的消光系数与预设消光系数相比较,判断获取的折射率、吸收系数、能量损失系数、消光系数是否可靠,若所述分析模块判定数据中存在不可靠数据,所述中控模块统计不可靠数据的个数,将统计的不可靠数据个数与预设数量标准值相比较,其中,因为石墨烯物化性质数据有4个,故预设数量为2个,若不可靠数据个数大于等于2个,所述中控模块判定所述处理模块构建的石墨烯晶体模型存在问题,所述中控模块选取调节参数对石墨烯晶体模型构建参数:吸附高度、吸附厚度、吸附表面进行调节,若不可靠数据个数小于2个,说明石墨烯模型不存在问题,此时所述中控模块通过将获取的石墨烯物化性质数据的相关度与预设相关度相比较,对获取的物化性质数据的准确性进行判断,若判断得到的物化性质不准确,所述中控模块选取补偿调节参数对折射率、吸收系数、能量损失系数、消光系数进行调节。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种高通量材料计算数据自动采集和加工系统,其特征在于,包括:
采集模块,用于对目标材料晶体结构数据进行采集,并将采集到的数据传送至处理模块;
所述处理模块,用于对所述采集模块传送的数据进行处理,构建目标材料晶体模型;
计算模块,用于根据目标材料晶体模型获取目标材料的第一性原理数据;
判断模块,用于判断第一性原理计算结果的数据来源数量并获取目标材料物化性质数据;
分析模块,用于将通过所述判断模块获取的目标材料物化性质数据与目标材料预设物化性质相比较,对获取的目标材料物化性质数据的可靠性进行分析;
中控模块,与所述处理模块、所述判断模块以及所述分析模块相连接,其中,所述中控模块获取目标材料不可靠物化性质数据的数量,中控模块将获取的目标材料不可靠物化性质数据数量与预设值相比较,对目标材料建模参数的标准性进行判定,其中,中控模块判定目标材料建模参数不符合预设标准时,中控模块根据目标材料不可靠物化性质数据的数量对目标材料建模参数进行调节;中控模块判定目标材料建模参数符合预设标准时,中控模块根据目标材料物化性质数据的相关度对目标材料物化性质数据的准确性进行判定,中控模块判定获取的目标材料物化性质数据不准确时,中控模块根据目标材料物化性质数据的相关度对目标材料物化性质数据进行调节;中控模块判定获取的目标材料物化性质数据准确时,对获取的目标材料物化性质数据进行存储。
2.根据权利要求1所述的高通量材料计算数据自动采集和加工系统,其特征在于,所述分析模块预设目标材料第一物化性质数据D1(D11,D12)、第二物化性质数据D2(D21,D22)…至第m物化性质数据Dm(Dm1,Dm2),其中,D11为预设目标材料第一物化性质数据第一标准值,D12为预设目标材料第一物化性质数据第二标准值,D21为预设目标材料第二物化性质数据第一标准值,D22为预设目标材料第二物化性质数据第二标准值…Dm1为预设目标材料第m物化性质数据第一标准值,Dm2为预设目标材料第m物化性质数据第二标准值,分析模块将获取的目标材料的物化性质数据d1、d2、d3…dm与预设第i物化性质数据相比较,对目标材料物化性质数据的可靠性进行判断,其中,
当di≤Di1时,所述分析模块判定获取的目标材料第i物化性质数据不可靠;
当Di1<di<Di2时,所述分析模块判定获取的目标材料第i物化性质数据可靠;
当di≥Di2时,所述分析模块判定获取的目标材料第i物化性质数据不可靠;
其中,i=1,2,…m,m为目标材料物化性质数据的量。
3.根据权利要求2所述的高通量材料计算数据自动采集和加工系统,其特征在于,所述分析模块判定获取的目标材料物化性质数据不可靠,所述中控模块获取目标材料不可靠物化性质数据个数,中控模块预设数量标准值X0,设定X0=m/c,中控模块将获取的目标材料不可靠物化性质数据数量x与预设数量标准值相比较,对目标材料建模参数的标准性进行判断,其中,
当x≤X0时,所述中控模块判定目标材料建模参数符合预设标准;
当x>X0时,所述中控模块判定目标材料建模参数不符合预设标准。
4.根据权利要求3所述的高通量材料计算数据自动采集和加工系统,其特征在于,所述中控模块判定目标材料建模参数不可靠,中控模块选取调节参数对目标材料建模参数进行调节,其中,
当x≤X1时,所述所述中控模块选取第一预设调节参数P1对目标材料建模参数进行调节;
当X1<x<X2时,所述中控模块选取第二预设调节参数P2对目标材料建模参数进行调节;
当x≥X2时,所述中控模块选取第三预设调节参数P3对目标材料建模参数进行调节;
其中,所述中控模块预设数量X,设定第一预设数量X1,第二预设数量X2,所述中控模块预设调节参数P,设定第一预设调节参数P1,第二预设调节参数P2,第三预设调节参数P3。
5.根据权利要求2所述的高通量材料计算数据自动采集和加工系统,其特征在于,所述分析模块获取的目标材料第i物化性质数据大于预设第i物化性质数据第一标准值小于预设第i物化性质数据第二标准值,所述分析模块判定获取的目标材料第i物化性质数据可靠,中控模块预设相关度E,中控模块通过将获取的目标材料物化性质数据相关度e与预设相关度相比较,选取补偿调节参数对目标材料物化性质数据进行调节,其中,
当e≤E1时,所述中控模块判定目标材料物化性质数据不准确,中控模块选取第一预设补偿调节参数H1增大目标材料物化性质数据di至di1;
当E1<e<E2时,所述中控模块判定目标材料物化性质数据准确;
当e≥E2时,所述中控模块判定目标材料物化性质数据不准确,中控模块选取第二预设补偿调节参数H2减小所述目标材料物化性质数据di至di2;
其中,所述中控模块预设相关度E,设定第一预设相关度E1,第二预设相关度E2,所述中控模块预设补偿调节参数H,设定第一预设补偿调节参数H1,第二预设补偿调节参数H2。
6.根据权利要求5所述的高通量材料计算数据自动采集和加工系统,其特征在于,当所述中控模块获取的目标材料物化性质数据相关度小于等于第一预设相关度时,所述中控模块判定选取第一预设补偿调节参数将目标材料物化性质数据di增大至di1,设定di1=di×(1+2H1/3),当所述中控模块获取的目标材料物化性质数据相关度大于等于第二预设相关度时,所述中控模块判定选取第二预设补偿调节参数将目标材料物化性质数据di减小至di2,设定di1=di×(1-2H2/3)。
7.根据权利要求4所述的高通量材料计算数据自动采集和加工系统,其特征在于,所述中控模块获取的目标材料建模参数(a1,a2…ak)以及上一次目标材料建模参数(a1’,a2’…ak’),中控模块获取目标材料物化性质数据相关度e,设定e=∑(|ai-ai’|/ai’)×Tj;
其中,i=1,2…k,j=1,2…k,k为目标材料建模参数的次序,当j=i时,T=1.2,当j≠i时,T=1。
8.根据权利要求5所述的高通量材料计算数据自动采集和加工系统,其特征在于,所述中控模块预设参考物化性质数据D0i,中控模块将获取的目标材料物化性质数据dir与预设参考物化性质数据相比较,对所述补偿调节参数进行调节,其中,
当dir≤D0i1时,所述中控模块增大第一预设补偿调节参数H1至H1’;
当D0i1<di<D0i2时,所述中控模块不对预设调节补偿参数进行调节;
当dir≥D0i2时,所述中控模块减小第二预设补偿调节参数H2至H2’;
其中,所述中控模块预设参考物化性质数据D0i,设定第一预设参考物化性质数据D0i1,第二预设参考物化性质数据D0i2,r=1,2。
9.根据权利要求8所述的高通量材料计算数据自动采集和加工系统,其特征在于,当所述中控模块对获取的目标材料物化性质数据小于等于第一预设参考物化性质数据时,所述中控模块判定将第一预设补偿调节参数H1增大至H1’,设定H1’=H1×(1+|D0i1-dir|/D0i1),当所述中控模块对获取的目标材料物化性质数据大于等于第二预设参考物化性质数据时,所述中控模块判定将第二预设补偿调节参数H2减小至H2’,设定H2’=H2×(1-|D0i2-dir|/D0i2)。
10.一种高通量材料计算数据自动采集和加工方法,其检测系统采用权利要求1-9任一项所述的检测系统,其特征在于,
步骤S1,所述采集模块对目标材料晶体结构数据进行采集,并将采集到的数据传送至处理模块;
步骤S2,所述处理模块根据所述采集模块传送的数据构建目标材料晶体模型;
步骤S3,所述计算模块根据所述处理模块构建的目标材料晶体模型,对目标材料的第一性原理进行计算;
步骤S4,所述判断单元判断目标材料第一性原理计算结果中数据来源单一时调用所述第一分类单元、所述判断单元判断目标材料第一性原理计算结果中数据来源为多个时调用所述第二分类单元,获取目标材料物化性质数据;
步骤S5,对得到的目标材料物化性质数据进行可靠性分析,当目标材料物化性质不可靠时,所述中控模块对目标材料晶体模型的构建参数进行调节,当目标材料物化性质数据可靠时,执行步骤S6;
步骤S6,所述中控模块根据目标材料物化性质数据相关度对目标材料物化性质数据准确性进行判断,当目标材料物化性质数据不准确时,所述中控模块对物化性质数据进行调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210232758.2A CN114678087B (zh) | 2022-03-09 | 2022-03-09 | 一种高通量材料计算数据自动采集和加工方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210232758.2A CN114678087B (zh) | 2022-03-09 | 2022-03-09 | 一种高通量材料计算数据自动采集和加工方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114678087A true CN114678087A (zh) | 2022-06-28 |
CN114678087B CN114678087B (zh) | 2022-11-25 |
Family
ID=82072800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210232758.2A Active CN114678087B (zh) | 2022-03-09 | 2022-03-09 | 一种高通量材料计算数据自动采集和加工方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114678087B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115230771A (zh) * | 2022-08-16 | 2022-10-25 | 西南交通大学 | 一种轨道交通列车的电机轴温监测与控制系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110143427A1 (en) * | 2009-12-16 | 2011-06-16 | General Electric Company | High-throughput methods and systems for processing biological materials |
US20130148194A1 (en) * | 2009-10-23 | 2013-06-13 | Trustees Of Boston University | Nanoantenna arrays for nanospectroscopy, methods of use and methods of high-throughput nanofabrication |
CN105047912A (zh) * | 2015-05-15 | 2015-11-11 | 江西师范大学 | 一种新型锂离子电池正极材料 |
CN106372329A (zh) * | 2016-08-31 | 2017-02-01 | 中国科学院计算机网络信息中心 | 材料基因工程高通量集成计算与数据管理的方法及系统 |
CN107273670A (zh) * | 2017-05-31 | 2017-10-20 | 中国科学院计算机网络信息中心 | 一种高通量材料计算数据自动采集和加工方法及系统 |
CN110596011A (zh) * | 2019-08-26 | 2019-12-20 | 华中科技大学 | 一种材料介电张量测量方法 |
CN110850301A (zh) * | 2019-11-20 | 2020-02-28 | 仰恩大学 | 一种MoS2/graphene/MoS2三明治结构及Na离子电池容量预测方法 |
CN111128311A (zh) * | 2019-12-25 | 2020-05-08 | 北京化工大学 | 基于高通量实验与计算的催化材料筛选方法和系统 |
US20200194102A1 (en) * | 2018-12-14 | 2020-06-18 | Nanjing University | Model for high-throughput screening of endocrine disruptor and method for screening same |
CN111415711A (zh) * | 2019-01-04 | 2020-07-14 | 上海汽车集团股份有限公司 | 一种导电耐腐蚀镀层材料确定方法及装置 |
US20210098084A1 (en) * | 2019-09-30 | 2021-04-01 | Nissan North America, Inc. | Method and System for Material Screening |
CN112749485A (zh) * | 2019-12-30 | 2021-05-04 | 北京航空航天大学 | 一种晶格扰动模式下晶体材料理想强度的高通量计算方法 |
WO2021211869A1 (en) * | 2020-04-15 | 2021-10-21 | Virginia Tech Intellectual Properties, Inc. | Sensor-based high-throughput material characterization platform and methods of use thereof |
WO2022036538A1 (zh) * | 2020-08-18 | 2022-02-24 | 深圳晶泰科技有限公司 | 有机分子晶体构建方法及系统 |
-
2022
- 2022-03-09 CN CN202210232758.2A patent/CN114678087B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130148194A1 (en) * | 2009-10-23 | 2013-06-13 | Trustees Of Boston University | Nanoantenna arrays for nanospectroscopy, methods of use and methods of high-throughput nanofabrication |
US20110143427A1 (en) * | 2009-12-16 | 2011-06-16 | General Electric Company | High-throughput methods and systems for processing biological materials |
CN105047912A (zh) * | 2015-05-15 | 2015-11-11 | 江西师范大学 | 一种新型锂离子电池正极材料 |
CN106372329A (zh) * | 2016-08-31 | 2017-02-01 | 中国科学院计算机网络信息中心 | 材料基因工程高通量集成计算与数据管理的方法及系统 |
CN107273670A (zh) * | 2017-05-31 | 2017-10-20 | 中国科学院计算机网络信息中心 | 一种高通量材料计算数据自动采集和加工方法及系统 |
US20200194102A1 (en) * | 2018-12-14 | 2020-06-18 | Nanjing University | Model for high-throughput screening of endocrine disruptor and method for screening same |
CN111415711A (zh) * | 2019-01-04 | 2020-07-14 | 上海汽车集团股份有限公司 | 一种导电耐腐蚀镀层材料确定方法及装置 |
CN110596011A (zh) * | 2019-08-26 | 2019-12-20 | 华中科技大学 | 一种材料介电张量测量方法 |
US20210098084A1 (en) * | 2019-09-30 | 2021-04-01 | Nissan North America, Inc. | Method and System for Material Screening |
CN110850301A (zh) * | 2019-11-20 | 2020-02-28 | 仰恩大学 | 一种MoS2/graphene/MoS2三明治结构及Na离子电池容量预测方法 |
CN111128311A (zh) * | 2019-12-25 | 2020-05-08 | 北京化工大学 | 基于高通量实验与计算的催化材料筛选方法和系统 |
CN112749485A (zh) * | 2019-12-30 | 2021-05-04 | 北京航空航天大学 | 一种晶格扰动模式下晶体材料理想强度的高通量计算方法 |
WO2021211869A1 (en) * | 2020-04-15 | 2021-10-21 | Virginia Tech Intellectual Properties, Inc. | Sensor-based high-throughput material characterization platform and methods of use thereof |
WO2022036538A1 (zh) * | 2020-08-18 | 2022-02-24 | 深圳晶泰科技有限公司 | 有机分子晶体构建方法及系统 |
Non-Patent Citations (5)
Title |
---|
LI XIN等: "First Principles High-throughput Research on Thermoelectric Materials: a Review", 《JOURNAL OF INORGANIC MATERIALS》 * |
YIN XIA等: "Tuning Electrical and Optical Properties of MoSe2 Transistors via Elemental Doping", 《ADVANCED MATERIALS TECHNOLOGIES》 * |
栾清等: "C掺杂单层MoS_2光学特性的第一性原理研究", 《鲁东大学学报(自然科学版)》 * |
王绍青等: "晶体材料基因组问题第一原理计算研究", 《科学通报》 * |
罗树林: "基于高通量计算与机器学习的材料设计方法与软件的开发与应用", 《万方数据》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115230771A (zh) * | 2022-08-16 | 2022-10-25 | 西南交通大学 | 一种轨道交通列车的电机轴温监测与控制系统 |
CN115230771B (zh) * | 2022-08-16 | 2024-03-15 | 西南交通大学 | 一种轨道交通列车的电机轴温监测与控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114678087B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022110557A1 (zh) | 一种台区户变关系异常诊断方法及装置 | |
US9037518B2 (en) | Classifying unclassified samples | |
CN114678087B (zh) | 一种高通量材料计算数据自动采集和加工方法及系统 | |
TW200818060A (en) | Clustering system, and defect kind judging device | |
KR101228271B1 (ko) | 질감 전자 현미경 사진에서의 바이러스 입자의 식별 및분류 | |
US10133962B2 (en) | Method of digital information classification | |
CN106027317A (zh) | 信任感知的Web服务质量预测系统及方法 | |
CN114048365B (zh) | 一种基于大数据流处理技术的运维监控治理方法 | |
CN115587232A (zh) | 一种工程造价数据智能管理方法及系统 | |
CN117171604A (zh) | 基于传感器的保温板生产线异常监测系统 | |
CN105306252A (zh) | 一种自动判别服务器故障的方法 | |
CN116293410B (zh) | 一种基于智能电子秤的分析方法及装置 | |
CN116738261A (zh) | 基于聚类分箱的数值型特征离散化归因分析方法及装置 | |
CN112613718B (zh) | 一种特定场所风险评估方法及装置 | |
CN116206700A (zh) | 一种地球化学元素储量变化量的计算方法及系统 | |
CN111654853B (zh) | 一种基于用户信息的数据分析方法 | |
CN114660095A (zh) | 基于光学的烧结刚玉的气孔率测定方法及系统 | |
Waegeman et al. | A comparison of different ROC measures for ordinal regression | |
Chew | Alternative Design of One-Sided Shewhart Control Charts for the Multivariate Coefficient of Variation. | |
CN113435842A (zh) | 业务流程的处理方法和计算机设备 | |
CN106097233A (zh) | 一种基于案例推理的航路飞行冲突解脱方法 | |
CN108848138B (zh) | 一种监测效果良好的环境监测系统 | |
CN110737685A (zh) | 一种电力大数据的数据异常判别方法 | |
CN117789907B (zh) | 基于多源数据融合的智慧医疗数据智能管理方法 | |
CN113868773B (zh) | 基于模糊聚类的飞行器机翼结构的不确定性分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |