10.19611/j.cnki.cn11-2919/tg.2023.04.013
基于不同机器学习算法的铝合金性能预测
铝合金由于其高强度、低重量的特点被广泛的应用于航空航天以及交通等领域,高性能铝合金的设计是当下的热点.本文以铝合金组分为输入向量,抗拉强度为目标变量,建立了 RF、ET、Bagging、Adaboost四种不同的机器学习算法模型.结果表明:RF模型具有最佳的预测性能,R=0.89、MAE=40.33;Ti元素含量对铝合金抗拉强度的预测起正向作用,Ti元素含量越高,抗拉强度值越大;Mg元素、Cu元素含量铝合金抗拉强度的预测作用并不明显;Zn元素、Ce元素、Y元素含量对铝合金抗拉强度的预测起负向作用,即元素含量越大,抗拉强度值越小,特征重要性从大到小分别为Ti>Mg>Cu>Zn>Ce>Y.
机器学习、铝合金、抗拉强度、性能预测
37
TF821(有色金属冶炼)
2023-11-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
66-71,82