主成分分析在性能预测中的研究 ——以镍基合金为例

文 波
吕梁职业技术学院

摘要


镍基合金在航空航天、能源和石油化工等领域中广泛应用，因其在高温和高压条件下表现出优异的强度和
耐腐蚀性能。随着计算材料科学的发展，机器学习技术在镍基合金性能预测方面展现了巨大潜力。本文结合主成分
分析（PCA）与机器学习模型，系统研究了镍基合金成分对其抗拉强度的影响。通过数据预处理、PCA降维及六种
回归算法（SVR、DT、GB、RF、NN）评估，结果显示梯度提升回归（GB）模型表现最佳。基于SHAP值分析，
确定了Co、Zr、Mo和W是影响抗拉强度的关键元素。本文的研究为镍基合金的优化设计提供了新的思路，证明
PCA与机器学习的结合能够有效提高预测精度。

关键词


镍基合金；机器学习；PCA；性能预测

全文:

PDF


参考


[1]常连华.主要合金元素对镍基合金组织和性能的

影响[J].汽轮机技术，2001，43（5）：3.

[2]刘芳，孙文儒，杨树林，等.Al含量对GH4169镍

基合金组织及其稳定性的影响[J].金属学报，2008，44

（7）：8.

[3]金衍成，高建宝，陈诗瑶，等.镍基粉末高温合

金的室温和高温力学性能：机器学习建模与实验验证[J].

智能安全，2024，3（2）：55-69.

[4]熊强，连利仙，胡旺，等.增材制造用新型镍基

高温合金的设计与开发[J].铸造技术，2023，44（8）：

748-755.

[5]徐斌.基于机器学习的新型高强镍基高温合金设

计与优化[D].北京科技大学，2023.

[6]胡瑞，刘庆，张光捷，等.基于特征工程和机器

学习的铝基高熵合金稳定性预测[J].上海大学学报：自然

科学版，2022，28（3）：9.

[7]左厚辰.基于机器学习的铝合金时效硬度和晶体

性质预测[D].西南交通大学，2022.

[8]定巍，苗以升，张坛，等.基于半监督模型的铝

合金性能预测与成分设计[J].邢台职业技术学院学报，

2023，40（5）：46-53.

[9]LUNDBERG S M, LEE S-I. A unified approach

to interpreting model predictions [ J]. Advances in neural

information processing systems, 2017, 30.


Refbacks

  • 当前没有refback。