基于机器学习的低压铸造铝合金硬度预测研究
周云玄1,王朦朦1,张志刚2,于晓丹3,蔡东廷4,王俊5,汪东红6,刘琪1 (1.安徽工程大学材料与科学工程学院;2.安徽工程大学现代技术中心;3.芜湖永达科技有限公司;4.安徽圣尔沃智能装备有限公司;5.上海交通大学材料科学与工程学院;6.上海交通大学材料科学与工程学院凝固科学与技术研究所)
摘要:基于3 418条实际低压铸造铝合金生产数据,提出了一种结合多种机器学习算法的集成学习硬度预测模型。通过对Lasso 回归、支持向量回归(SVR)、K 近邻回归(KNN)、梯度提升回归(GBR)、XGBoost 和Stacking 模型进行比较,选取表现最佳的Stacking 模型进行优化和验证。结果表明,Stacking 模型在平均绝对误差(EMA)、决定系数R2等指标上均有最优的表现。可解释的沙普加性解释(SHAP)分析表明,Cu、Zn 等元素对合金硬度的影响显著。
关键词:Al-Si合金;硬度预测;机器学习;集成学习;低压铸造
目录介绍
1 样本数据获取
2 模型构建
2.1 数据准备
2.2 模型训练
2.3 模型解释
2.4 模型性能评估
3 模拟结果与讨论
3.1 模型预测结果对比
3.2 模型分析
4 结论
©软件著作权归作者所有。本站所有文件均来源于网络,仅供学习使用,请支持正版!
转载请注明出处!

发表评论 取消回复