基于Stacking的Ni Ti基形状记忆合金绝热温变预测

摘要

文章提出一种基于堆叠泛化（Stacking）的镍钛（NiTi）基形状记忆合金绝热温变预测方法。首先，建立包含镍钛（NiTi）基合金绝热温变数据集，采用Boruta算法对数据集进行特征选择。随后，采用DT、RF、GBRT和XGBoost作为基学习器，GBRT作为元学习器，结合K折交叉验证的Stacking方法建模。最后，采用SHAP算法对模型进行可解释性分析，挖掘各特征值对预测镍钛（NiTi）基形状记忆合金绝热温变的贡献。实验结果表明，所提方法对镍钛（NiTi）基形状记忆合金绝热温变的预测具有较高准确率，相比于单一模型，R~2最高提升26.03%。