一种可解释的基于提升法的形状记忆合金相变温度预测模型
材料科学
2023-04-28 v1
摘要
在本研究中，我们展示了如何通过结合适当的特征工程以及选择最适合可用数据集的机器学习算法，来开发一个可应用于多种形状记忆合金的相变温度预测模型。我们开发了一个梯度提升机器学习代理模型，通过明确处理建模不同合金系统时潜在的分布变化，能够以超过95%的平均准确率预测马氏体开始、马氏体结束、奥氏体开始和奥氏体结束相变温度。我们将热处理、轧制、挤压工艺参数以及合金系统类别特征纳入模型输入特征，以获得更准确和真实的结果。此外，通过使用基于特征对所有可能组合的平均边际贡献计算的Shapley值，本研究能够深入了解影响预测相变温度的关键特征及其影响，为研究马氏体相变温度中的关键参数和特征提供了独特的机会。
引用
@article{arxiv.2302.02153,
title = {An Interpretable Boosting-based Predictive Model for Transformation Temperatures of Shape Memory Alloys},
author = {Sina Hossein Zadeh and Amir Behbahanian and John Broucek and Mingzhou Fan and Guillermo Vazquez Tovar and Mohammad Noroozi and William Trehern and Xiaoning Qian and Ibrahim Karaman and Raymundo Arroyave},
journal= {arXiv preprint arXiv:2302.02153},
year = {2023}
}