基于不同机器学习算法的铝合金性能预测

作者：李婷

来源：有色设备, 2023, 37(04): 66-82.

DOI：10.19611/j.cnki.cn11-2919/tg.2023.04.013

• 机器学习
• 铝合金
• 抗拉强度
• 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。