买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院宁波材料技术与工程研究所申请的专利一种基于机器学习的铁基纳米晶合金的预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116364205B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310350984.5，技术领域涉及：G16C20/30；该发明授权一种基于机器学习的铁基纳米晶合金的预测方法是由贺爱娜;张干;董亚强;黎嘉威;满其奎;沈保根设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本一种基于机器学习的铁基纳米晶合金的预测方法在说明书摘要公布了：本发明公开了基于机器学习的铁基纳米晶合金的预测方法，基于铁基纳米晶合金软磁性能数据构建初始数据集，并通过机器学习方法对初始数据集进行处理，并基于处理的数据训练XGBoost模型得到磁感应强度预测模型和矫顽力预测模型，将磁感应强度预测模型和矫顽力预测模型作为目标函数，通过遗传算法NSGA‑II的迭代得到磁感应强度最高和矫顽力最低的合金成分数据，从而能够快速筛选出性能优异的成分。

本发明授权一种基于机器学习的铁基纳米晶合金的预测方法在权利要求书中公布了：1.一种基于机器学习的铁基纳米晶合金的预测方法，其特征在于，包括： 获得初始数据集和标签，基于铁基纳米晶合金软磁性能数据构建初始数据集，对初始数据集进行预处理得到最终数据集，最终数据集包括训练样本集和测试样本集，标签包括磁感应强度标签和矫顽力标签； 依次通过皮尔逊相关系数、随机森林和向前选择法对数据集中的铁基纳米晶合金特征分别进行磁感应强度和矫顽力的重要度排序和筛选得到第一特征集和第二特征集，第一特征集为磁感应强度对应的关键特征集合，第二特征集为矫顽力对应的关键特征集合； 基于第一特征集对应的训练样本集和第二特征集对应的训练样本集训练XGBoost模型，通过网格搜索法调节最优超参数分别得到磁感应强度预测模型和矫顽力预测模型； 将磁感应强度预测模型和矫顽力预测模型作为目标函数，通过遗传算法NSGA-II的至少一次迭代从铁基纳米晶的合金成分数据集中筛选出符合磁感应强度最高和矫顽力最低的合金成分数据，基于筛选出的合金成分数据得到铁基纳米晶合金成分；所述铁基纳米晶的合金成分数据集为第一特征集和第二特征集中的铁基纳米晶的合金成分数据集； 将从第一特征集中磁感应强度重要度排序最高的关键特征作为第一关键特征，所述第一关键特征为非铁磁性电子浓度，通过线性回归方法得到非铁磁性电子浓度与磁感应强度呈负线性关系； 非铁磁性电子浓度与磁感应强度的负线性方程为： B s =2.46-1.004×VEC1 其中，Bs为磁感应强度，VEC1为非铁磁性电子浓度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院宁波材料技术与工程研究所，其通讯地址为：315201 浙江省宁波市镇海区中官西路1219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。