基于對新國標(biāo)GB/T 41743-2022研究，本文重點就非穩(wěn)態(tài)法快速檢測真空玻璃保溫性能及其衰減的原理進(jìn)行闡述，主要從檢測方法原理和智能模型原理兩方面來進(jìn)行展開說明，可供參考！

一、檢測方法原理

基于瞬態(tài)響應(yīng)，真空玻璃一側(cè)（熱端）溫度迅速地階躍上升，同時精確測量另一側(cè)（測量端）較小的較慢的溫升，可獲得真空玻璃非穩(wěn)態(tài)傳熱特性(此溫升過程在特征時刻的溫度變化率與傳熱系數(shù)正相關(guān))。而此溫度變化率檢測會受到環(huán)境溫度與溫差的影響，所以，通過建立以測量端溫度、環(huán)境溫度與熱端溫度為輸入變量，以傳熱系數(shù)為輸出變量的智能模型，可實現(xiàn)真空玻璃保溫性能的快速檢測與評估。

定期檢測真空玻璃的保溫性能，傳熱系數(shù)保持不變的時間為保溫性能保持時間，從開始衰減的時間到達(dá)到分級閾值的時間為保溫性能衰減時間，可通過退化冪律模型擬合，以評估保溫性能衰減趨勢。

二、智能模型原理

通過對訓(xùn)練數(shù)據(jù)進(jìn)行回寫采樣，得到的樣本數(shù)與原始數(shù)據(jù)集的樣本數(shù)一致，有些樣本數(shù)是重復(fù)的；或者對訓(xùn)練數(shù)據(jù)進(jìn)行不帶回寫的抽樣，提取60%的原始樣本構(gòu)成數(shù)據(jù)集，其余作為檢驗誤差的檢驗集。將提取的樣本作為生成的決策樹，然后將提取的樣本放回原始數(shù)據(jù)集進(jìn)行新一輪的提取。

這樣，依次生成的多個決策樹就構(gòu)成了一個隨機森林。若采用隨機森林分類，則每棵決策樹的計算原則為基尼指數(shù)?；嶂笖?shù)是隨機抽取的樣本被錯誤分類的一種概率?；嶂笖?shù)越低，樣品被錯誤分類的概率就越低，這意味著樣品的純度越高，樣本集更高?；嶂笖?shù)很高，就意味著樣本集的純度很低。

基尼指數(shù)等于樣本被選中的概率乘以樣本被分類錯誤的概率，其中，P是樣本屬于k類的概率，(1-P1)是樣本不屬于k類的概率，即分類錯誤的概率。對于回歸問題，原則是最小均方誤差。通過對數(shù)據(jù)集進(jìn)行隨機分割，得到均方誤差最小的數(shù)據(jù)集的分割點。

隨機森林為每組重采樣數(shù)據(jù)集訓(xùn)練一個較優(yōu)模型，共k個模型。令X；為隨機可放回抽樣的子數(shù)據(jù)集的N維變量，根據(jù)可返回采樣并使用相同模型的子數(shù)據(jù)集的相似性，每個模型具有近似相等的偏差和方差，模型的分布也大致相同，但不是獨立的（因為子數(shù)據(jù)集之間存在重復(fù)變量）?；诩蓪W(xué)習(xí)的套袋方法，可從該方法的角度分析隨機森林的偏差和方差，計算方法見式（A.3）。

式（A.4)和式（A.5)分別表示模型完全相同和模型完全獨立的兩種情況。結(jié)論是，套袋方法的子數(shù)據(jù)集既不完全相同，也不完全獨立，子數(shù)據(jù)集之間存在相似性，方差值介于兩種情況之間，可用公式法分析袋裝模型的方差，見式（A.6）～式（A.9）。

因此，隨機森林的主要功能是降低模型的復(fù)雜度，解決過擬合問題。

上一篇：聲波透射法的基本原理

下一篇：KO-7DJ土工膜（防滲膜）滲...