一种γ＇相强化钴基高温合金屈服强度的预测方法

本发明公开一种γ＇相强化钴基高温合金屈服强度的预测方法，属于钴基高温合金领域。该方法基于γ＇相强化钴基高温合金成分‑热处理工艺‑屈服强度数据集，利用机器学习，以梯度提升算法为基础构建预测模型，实现了对该系列合金不同温度的屈服强度预测。预测模型的输入量为合金成分、热处理工艺参数、测试温度；输出量为屈服强度。该屈服强度预测方法可在较大的成分和温度范围内，对γ＇相强化钴基高温合金的屈服强度做出快速精准的预测，在该系列合金的成分设计以及优化中具有较强的应用价值。