基于机器学习的锆合金在360℃/18.6 MPa溶氧水中腐蚀预测方法研究OA北大核心CSTPCD

锆合金在核反应堆复杂环境中会发生氧化,为进行高温锆合金腐蚀增重研究,以基于机器学习的预测方法为其提供新的辅助手段。数据集来源于实验记录数据,使用7种机器学习算法进行锆合金腐蚀增重模型的建立,通过对比性能指标的差异,进行进一步的超参数优化和交叉验证,最终得到优化的XGBoost-锆合金腐蚀增重预测模型。结果表明,经过验证集进行验证得出预测值的平均绝对百分比误差约为5.3%。通过SHAP解释法进行模型的解释性分析,得出重要性较高的特征为腐蚀时间和温度,为进一步的腐蚀研究提供了关键特征。最终所建立的模型可以从数据驱动的角度准确预测锆合金腐蚀增重情况,辅助和加快锆合金腐蚀研究。