小样本数据的Cu基非晶合金热力学性能软测量

针对Cu基非晶合金材料受时间、条件及制备成本的限制,导致获得的热力学性能数据较少,影响新材料的研发问题.提出一种在小样本数据情况下,仍然具有较好泛化能力的Cu基非晶合金热力学性能软测量方法,为新材料配方的优化提供模型参考.通过注入噪声,提出一种小样本数据的扩充方法,增加样本的多样性.考虑样本分布函数的未知,在准则函数中引入信息论的微分熵,建立最大熵准则的神经网络反向传播理论,获得具有较高泛化能力的数学模型.仿真分析表明:该方法可对三元Cu基非晶合金的小样本数据,建立其热稳定性及玻璃形成能力与材料配方之间的非线性关系,模型精度较高.