一种基于集成机器学习系统的合金性能优化方法

本发明公开一种基于集成机器学习系统的合金性能优化方法：S101、构建数据库；S102、使用对抗式神经网络虚拟数据生成模块对数据集进行扩充；S103、将初始的参数和扩展后的数据集输入集成机器学习系统，根据线性度δ的大小，集成机器学习系统将采用不同的模型来进行训练；S104、通过反向传播神经网络对模型进行后训练，拓宽模型在数据集域外的预测能力；S105、输入需求，模型在整个数据集域内进行优化解搜索与域外性能预测。本发明将线性度δ作为调整集成学习系统的关键参数随数据集输入集成机器学习系统中，根据线性度δ的大小，采用不同的模型来进行训练，输入所需的性能区间或需要预测的成分区间，模型即可在整个数据集域内进行优化解搜索与域外性能预测。