一种基于机器学习的铝合金抗拉强度预测方法

本发明涉及一种基于机器学习的铝合金抗拉强度预测方法，先收集铝合金抗拉强度数据，并通过数据预处理得到初始数据集，选择合适的机器学习算法并进行模型训练，构建初步的铝合金抗拉强度预测模型，利用SHAP值分析方法量化评估各特征的重要性，筛选出关键特征，选出最优的特征组合构建不同的预测模型，通过十折交叉验证的方式对模型进行评估，确定最终的铝合金抗拉强度预测模型，采用多项式回归分析建立数学关系式，定量描述铝合金的抗拉强度与合金成分、晶粒尺寸之间的关系。本发明的预测方法结合先进的特征选择技术和有限的数据资源，能够准确预测待测材料的抗拉强度，具有高精度、低成本、快速实施材料性能评估等优点。