从数据到设计：用于预测合金钢力学性能的随机森林回归模型
材料科学
2025-11-05 v1 人工智能
摘要
本研究探讨了随机森林回归在预测合金钢力学性能（延性、抗拉强度和屈服强度）方面的应用，这些性能由材料成分特征（铁 Fe、铬 Cr、镍 Ni、锰 Mn、硅 Si、铜 Cu、碳 C）以及冷轧变形百分比决定。利用包含上述特征的数据集，我们训练和评估了随机森林模型，通过 R2 分数和均方误差（MSE）等指标证明了其高预测性能。结果表明，该模型在提供准确预测方面效果显著，经由残差图和学习曲线等多种性能指标验证。我们的发现凸显了集成学习技术在提升材料性能预测方面的潜力，为材料科学的工业应用提供了意义。
引用
@article{arxiv.2511.02290,
title = {From data to design: Random forest regression model for predicting mechanical properties of alloy steel},
author = {Samjukta Sinha and Prabhat Das},
journal= {arXiv preprint arXiv:2511.02290},
year = {2025}
}