一种涂层材料腐蚀程度的多阶段协通机器学习预测方法

本发明公开了一种涂层材料腐蚀程度的多阶段协通机器学习预测方法。该方法的第一层次通过提取自然环境的特征数据作为特征参量，运用主成分分析算法对特征参量数据进行降维减噪处理，把处理后的特征作为输入参数，对应的涂层表观性能数据作为输出参数，建立环境因素与涂层表观性能之间的机器学习预测模型。第二层次利用室内加速实验，构建表观性能和腐蚀程度的数据集，将涂层表观性能作为输入参数，对应的涂层腐蚀性能作为输出参数，建立表观性能与腐蚀程度之间的机器学习预测模型。将两个模型结合，进行不同地区的涂层材料腐蚀程度预测。该方法具有模型泛化性高、能准确判断涂层破损情况等优点，为面向环境特征的涂层选材设计提供有效指导。