近日，信息与通信工程学院“精准探测与智能信息处理”团队王磊教授在SCI期刊《Engineering Applications of Artificial Intelligence》（中科院小类1区Top期刊，IF=8.0）上连续发表论文2篇。

真空玻璃是透明高保温节能材料，在建筑及围护结构节能建设中起着至关重要的作用。长期以来采用稳态法检测真空玻璃保温性能周期长，严重制约了生产效率，影响真空玻璃的产业进程。在真空玻璃保温性能检测过程中存在着信号微弱、样本数据少、检测周期长、实验条件苛刻等特点，亟需找到一种数据驱动真空玻璃保温性能快速、准确、智能的检测方法，为此提出了瞬态响应的非稳态法与机器学习结合的检测方法，让传统检测方法升级，构建多维度检测体系，将数据信息提取最大化和可视化呈现。

如图1，论文结合机器学习和先验信息提出了3+1 Stacking智能快速检测模型，通过斯皮尔曼相关性分析和5折交叉验证构成了堆叠模型的结构体系，有效地选择了模型组合策略，从而保证预测模型的准确性。这种模型融合结构简单，层次结构选择清晰，可通过多个模型对真空玻璃小样本数据中的特征的学习得到表征真空玻璃保温性能的传热系数。实验结果表明，提出的 3+1 Stacking模型与当前真空玻璃保温性能预测模型相比，表现出更加优越的性能。

图1 3+1 Stacking模型构建整体框图

该论文的第一作者为海南大学信息与通信工程学院博士生李小玲，信息与通信工程学院本科生刘顺玉为第二作者，指导老师为王磊教授同时也是该篇论文的唯一通讯作者。

论文信息：Xiaoling Li, Shunyu Liu, Yuanqi Wang, Fuquan Zhou, Lei Wang, Rapid detection method for insulation performance of vacuum glass based on ensemble learning, Engineering Applications of Artificial Intelligence, Volume 133, Part A, 2024, 108106, ISSN 0952-1976, https://doi.org/10.1016/j.engappai.2024.108106.

如图2，论文基于多变量数据筛选和多模型融合的自寻优回归方法被提出，用于真空玻璃保温性能的回归预测。在自寻优结构中结合了多分布整体扩散技术，生成了虚拟样本数据解决了样本量不足的问题。为保证模型的准确性，对生成的数据进行数量和阈值筛选，以增强虚拟样本数据的有效性。引入了L-BFGS-B算法优化多个模型的参数，进一步提高模型回归预测的准确性。最后，通过自寻优框架结构更新虚拟样本数据筛选和各种模型参数的优化。从多个模型中确定了预测真空玻璃绝缘性能传热系数的最佳模型。为验证自寻优回归方法的有效性，在30种不同方式下进行了真空玻璃保温性能传热系数预测实验。实验结果表明，基于多变量数据筛选和多模型融合的自寻优回归方法可以获得最有效的回归预测模型，实现真空玻璃保温性能的准确、快速和智能预测。

图2 自寻优回归结构框图

该论文的第一作者为海南大学信息与通信工程学院博士生李小玲，指导老师为王磊教授同时也是该篇论文的唯一通讯作者。

论文信息：Xiaoling Li, Yuanqi Wang, Fuquan Zhou, Lei Wang, Research on vacuum glass insulation performance prediction based on unsteady state multivariate data screening and multi-model fusion self-optimization, Engineering Applications of Artificial Intelligence, Volume 133, Part C, 2024, 108237, ISSN 0952-1976, https://doi.org/10.1016/j.engappai.2024.108237.

上述成果是基于王磊教授主持的海南大学首个牵头起草国家标准《真空玻璃保温性能及其衰减快速检测评估方法 非稳态法》于2023年2月1日正式实施后取得的新成果，对于国家标准的修订、智能检测仪器的研制以及国际标准的研制奠定了重要的理论方法基础。