استفاده از یادگیری ماشین برای پیش بینی چگالی نسبی قطعات تولید شده به روش ذوب گزینشی با لیزر

این پژوهش به ارزیابی و مقایسه مدل های مختلف یادگیری ماشین برای پیش بینی چگالی نسبی قطعات فولاد زنگ نزن ۳۱۶L تولید شده به روش ذوب گزینشی با لیزر می پردازد، هدف شناسایی دقیق ترین مدل در پیش بینی چگالی نسبی است. برای این منظور چندین مدل پیشرفته یادگیری ماشین مورد استفاده قرار گرفت و عملکرد آنها بر اساس معیارهای MSE، MAE، R و RMSE ارزیابی شد. نتایج نشان داد مدل KNeighborsRegressor با R۲=۰.۹۴ بهترین عملکرد را داشته و خطای کمتری نسبت به سایر مدل ها ارائه می دهد. مدل های XGBoost و Decision Tree Regressor نیز عملکرد قابل قبولی داشتند. این تحقیق بر اهمیت پیش پردازش داده ها و انتخاب ویژگی های موثر در بهبود دقت مدل ها تاکید دارد و نشان می دهد یادگیری ماشین ابزاری قدرتمند برای پیش بینی چگالی نسبی قطعات تولید شده در فرآیند ذوب گزینشی با لیزر است.

کلیدواژه ها:

یادگیری ماشین ، پیش بینی چگالی ، ذوب گزینشی با لیزر ، فولاد زنگ نزن ۳۱۶L