报告题目(中文)：钢铁制造过程中的机器学习建模研究

报告内容简介：采用人工智能技术与传统模型相结合，改善传统模型的精度引起了材料研究者的广泛关注。针对传统模型精度较低、不能自学习的问题，结合数据挖掘和机器学习算法，对铁水预处理KR脱硫过程终点预测模型，金属材料性能预测模型，金属材料本构方程模型的优化与改进三部分开展研究，对采用机器学习方法优化传统机理模型进行了探讨。

报告人姓名：吴思炜

报告人简介(中文)：吴思炜，上海大学材料科学与工程学院博士后。2012年本科毕业于南京工业大学材料化学专业，2014年毕业于东北大学材料学专业，2018年毕业于东北大学材料加工专业。从事冶金过程数据驱动模型研究和热轧带钢组织性能预测与工艺优化研究。截止目前共发表文章20余篇，包含第一作者文章16篇。软件著作权6项，发明专利6项，同时兼任IEEE Access（SCI）、Steel Research, International（SCI）、Materials Express（SCI）、Advances in Mechanical Engineering（SCI）、Mathematical Problems in Engineering（SCI）、Systems Science and Control Engineering、机械工程材料等期刊审稿人。

报告人单位(中文)：上海大学材料科学与工程学院

报告时间：2020-11-12 16:00

报告地点：日新楼506

主办单位：上海大学材料学院

联系人：吴思炜