期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
预测改性双基推进剂燃速的机器学习建模
1
作者 陈少臣 郭建雄 +4 位作者 熊思璇 刘哲人 王晓晨 马煜 代志龙 《固体火箭技术》 北大核心 2025年第1期124-132,共9页
为高效评估改性双基(CMDB)推进剂配方的燃速,使用机器学习(ML)方法建立CMDB推进剂配方的燃速预测模型。首先,对含有137个样本的CMDB推进剂配方-燃速数据集进行相关性分析以确定ML模型的17个输入特征,随后使用该数据集训练、优化与评估6... 为高效评估改性双基(CMDB)推进剂配方的燃速,使用机器学习(ML)方法建立CMDB推进剂配方的燃速预测模型。首先,对含有137个样本的CMDB推进剂配方-燃速数据集进行相关性分析以确定ML模型的17个输入特征,随后使用该数据集训练、优化与评估6个ML模型,包括岭回归(RR)、随机森林、梯度提升树(GBDT)、极端梯度提升(XGB)、支持向量机(SVM)和人工神经网络(ANN);然后,采用置换特征重要度与沙普利加性(SHAP)解释方法计算预测精确度最高的黑盒模型的特征重要度,并使用SHAP寻找特征与燃速之间的关系;最后,计算白盒模型RR的权重系数,以获取其特征重要度、特征与燃速的关系,并与前一个模型的结果进行对比。结果表明,GBDT、XGB、SVM和ANN模型的决定系数(R^(2))均超过了0.99,其预测值的残差和相对百分误差主要分布在-1~1 mm·s^(-1)、-10%~10%。通过解释SVM(R^(2)排名第一)与RR模型,发现两个模型都为燃速抑制剂、Al、催化剂的质量分数和工作压强赋予了很高的特征重要度,会显著影响燃速。此外,增加燃速抑制剂等组分的质量分数会降低燃速,而增加Al、催化剂等组分的质量分数与工作压强则会提升燃速。 展开更多
关键词 CMDB推进剂 燃速 机器学习 置换特征重要度 沙普利加性解释
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部