پیش بینی مقاومت کششی نهایی، فلز ساخته شده با روش افزدونی با کمک خواص مکانیکی آن و مدل های رگرسیون یادگیری ماشین ایکس جی بوست و گرادیان بوست

پیش بینی مقاومت کششی نهایی فلزات در روش ساخت با مواد افزودنی یکی از چالش های مهم در علوم مهندسی است زیرا با محاسبه آن می توان خواص مکانیکی مهم فلزات و تاثیرات روش ساخت برروی فلزات را شناسایی کرد. این پژوهش به بررسی تاثیر خواص مکانیکی فلزات با روش ساخت افزودنی بر مقاومت کششی نهایی آن با استفاده از مدل های رگرسیون یادگیری ماشین می پردازد. دو مدل انتخاب شده شامل ایکس جی بوست و گرادیان بوست برای تحلیل داده ها و پیش بینی مقاومت کششی نهایی در این پژوهش استفاده شده اند. داده های مورد استفاده شامل خواص مکانیکی فلز با روش ساخت افزودنی و مشخصات ظاهری و برخی نقاط مورد بررسی تجربی است. نتایج نشان می دهد که مدل های یادگیری ماشین به طور موثری می توانند رابطه خواص مکانیکی و مقاومت کششی نهایی فلزات در روش ساخت افزودنی را شناسایی کنند و پیش بینی درستی از مقادیر حقیقی داشته باشند. به ویژه، مدل ایکس جی بوست بهترین عملکرد را در پیش بینی این پارامتر نشان داد و درصد خطای مطلق و ضریب تعیین برای این روش به ترتیب برابر با ۳۵.۶ و ۰.۸۷ بود. همچنین علاوه بر ایکس جی بوست مدل رندوم فورست توانست نتیجه قابل قبول برای درصد خطای مطلق و ضریب تعیین به ترتیب ۳۴.۵۴ و ۰.۸۴ را از خود بجا بگذارد.

کلیدواژه ها:

مقاومت کششی نهایی ، فلزات با روش ساخت افزودنی ، خواص مکانیکی ، مدل یادگیری ماشین ایکس جی بوست ، مدل یادگیری ماشین گرادیان بوست