基于迁移学习的多孔传输层输运参数预测及评价方法

本发明公开了一种基于迁移学习的多孔传输层输运参数预测及评价方法，具体包括5个步骤：构建多孔传输层微观几何模型、多孔传输层微观几何模型、贝叶斯优化的源模型、基于迁移学习的目标模型、以及基于沙普利加性解释的影响因素解析。通过机器学习预测方法，替代传统实验或大规模仿真，大幅降低多孔传输层输运特性的获取成本。借助特征分析工具解析输入特征对输运特性的影响机制，为多孔传输层的结构优化设计，如调整孔隙率、纤维直径等参数提供明确的理论依据。本发明有效降低了多孔传输层输运特性获取的成本，提升了小样本场景下的预测精度，同时实现了预测模型的可解释性，为可逆燃料电池多孔传输层的优化设计提供了高效支撑。