COMPARISON OF LINEAR REGRESSION MODELS OF THERMOPHYSICAL PROPERTIES WITH MODELS BASED ON MACHINE LEARNING

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27360%2F22%3A10251665" target="_blank" >RIV/61989100:27360/22:10251665 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27710/22:10251665

Výsledek na webu

<a href="https://doi.org/10.37904/metal.2022.4451" target="_blank" >https://doi.org/10.37904/metal.2022.4451</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.37904/metal.2022.4451" target="_blank" >10.37904/metal.2022.4451</a>

Jazyk výsledku

angličtina

Název v původním jazyce

COMPARISON OF LINEAR REGRESSION MODELS OF THERMOPHYSICAL PROPERTIES WITH MODELS BASED ON MACHINE LEARNING

Popis výsledku v původním jazyce

The paper compares classical models for determining the thermophysical properties of steels based primarily on empirical equations derived using linear regression methods with models created using machine learning methods. The selected investigated quantities include phase transformation temperatures, specific heat capacity, coefficient of thermal expansion. The results of both approaches are verified on the measured data by methods of thermal analysis such as differential scanning calorimetry, differential thermal analysis and dilatometry. The methods are evaluated both in terms of the accuracy of predictions and in terms of the adequacy of use for a specific purpose, or in terms of the complexity of creating and using the model.

Název v anglickém jazyce

COMPARISON OF LINEAR REGRESSION MODELS OF THERMOPHYSICAL PROPERTIES WITH MODELS BASED ON MACHINE LEARNING

Popis výsledku anglicky

The paper compares classical models for determining the thermophysical properties of steels based primarily on empirical equations derived using linear regression methods with models created using machine learning methods. The selected investigated quantities include phase transformation temperatures, specific heat capacity, coefficient of thermal expansion. The results of both approaches are verified on the measured data by methods of thermal analysis such as differential scanning calorimetry, differential thermal analysis and dilatometry. The methods are evaluated both in terms of the accuracy of predictions and in terms of the adequacy of use for a specific purpose, or in terms of the complexity of creating and using the model.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20500 - Materials engineering

Projekt

<a href="/cs/project/EF17_049%2F0008399" target="_blank" >EF17_049/0008399: Rozvoj mezisektorové spolupráce RMTVC s aplikační sférou v oblasti výzkumu progresivních a inovací klasických kovových materiálů a technologií s využitím metod modelování</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

METAL 2022 : 31st International Conference on Metallurgy and Materials : conference proceedings : May 18 - 19, 2022, OREA Congress Hotel Brno, Czech Republic, EU

ISBN

978-80-88365-06-8

ISSN

2694-9296

e-ISSN

—

Počet stran výsledku

6

Strana od-do

128-133

Název nakladatele

Tanger

Místo vydání

Ostrava

Místo konání akce

Brno

Datum konání akce

18. 5. 2022

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—