基于数据驱动的磁电复合材料性能研究

摘要

如何准确且快速预测磁电系数是磁电多功能器件优化设计领域的一大难题.针对这一问题，该文提出了一种新的遗传算法（GA）优化的反向传播（BP）神经网络的预测磁电系数模型.该模型弥补了BP神经网络模型中经验化计算隐含层神经元个数与手动设定模型最佳训练轮次的不足，有效地提高了GA优化后的BP神经网络的预测精度.结果表明，GA优化后的BP神经网络模型的预测指标R²高达98.49%,比普通BP模型的预测指标R²高2.37%,同时该模型的误差更低，故GA优化后的BP预测模型在预测磁电系数上有显著的优越性与更高的精确度.另外在GA-BP模型的基础上引入SHAP模型，充分解释输入参数对磁电系数的影响程度.本研究为更快速、简洁地预测磁电系数，优化磁电复合材料设计提供了有效的支持.

关键词

磁电系数 / 磁电复合材料 / GA优化 / BP神经网络 / SHAP模型