基于机器学习的轻质低膨胀幕墙玻璃组分设计研究

作     者：田静 黄依平 苗恩新 李苑 刘军波 张本涛 刘涌 韩高荣 TIAN Jing;HUANG Yiping;MIAO Enxin;LI Yuan;LIU Junbo;ZHANG Bentao;LIU Yong;HAN Gaorong

作者机构：浙江大学材料科学与工程学院硅材料国家重点实验室杭州310027 中国建筑第四工程局有限公司广州510665 

基　　金：国家自然科学基金(U1809217) 浮法玻璃新技术国家重点实验室开放课题基金(2020KF04) 

出 版 物：《硅酸盐通报》 (Bulletin of the Chinese Ceramic Society)

年 卷 期：2023年第42卷第7期

页      码：2603-2612页

摘      要：随着机器学习技术的不断发展和玻璃材料数据的逐步积累,基于数据驱动的组分设计方法已成为玻璃新材料开发的一种有力手段。本文采用随机森林回归算法构建了包含56种氧化物的玻璃组分与性能预测模型,并采用SHAP分析等方法进行了可解释性研究,实现了在高维组分空间对线膨胀系数、密度及弹性模量的准确预测。利用该预测模型在Si-Al-B-Ca-Mg-Na六元氧化物组分空间中对约118万个玻璃配方进行快速预测,并对优选的4组硼硅酸盐玻璃样品进行测试。结果表明,样品的线膨胀系数分布在(52.00~58.00)×10^(-7)℃^(-1),密度分布在2.34~2.39 g/cm^(3),弹性模量分布在67.00~74.00 GPa,与模型预测结果相符,且优于相关规范要求。

主 题 词：机器学习 数据驱动 幕墙玻璃 硼硅酸盐氧化物玻璃 组分设计 

学科分类：08[工学] 0805[工学-能源动力学] 080502[080502] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.16552/j.cnki.issn1001-1625.20230612.007

馆 藏 号：203122620...