基于机器学习的铝及其合金晶粒细化研究

摘要：

机器学习作为人工智能的核心,被广泛用于各行各业.而材料基因工程大数据技术的出现,使机器学习成为预测材料性能的新方法.本文利用集成算法Xgboost、随机森林(RF)以及AdaBoost 3种机器学习模型,建立了铝及其合金的晶粒尺寸与细化剂成分、含量的关系,预测铝及其合金的晶粒尺寸,并对该模型进行了交叉验证.结果表明:随机森林模型表现最佳,其测试集的均方根误差(Root Mean Square Error,RMSE)为7.04,决定系数R2为0.79.

关键词：人工智能、机器学习、大数据技术、晶粒细化

所属期刊栏目：11

分类号：TP399(计算技术、计算机技术)

在线出版日期：2021-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：170-172,175