一种面向丁羟推进剂燃速预测的机器学习融合模型OA北大核心CSTPCD

建立了以端羟基聚丁二烯(HTPB)推进剂原材料参数和组分含量为输入变量、燃速值为输出的机器学习预测模型。首先,通过经验性单因素规律对包括随机森林回归、支持向量回归、高斯过程回归、核岭回归和径向基函数模型等进行了初筛;然后,以最大绝对误差(AE_(max))、最大相对误差(RE_(max))、均方根误差(RMSE)及平均绝对误差(MAE)作为模型的性能评价指标,对不同模型的预测性能进行对比,筛选出最大相对误差RE_(max)<5%的模型,对通过筛选的模型进行融合获得最终的燃速预测模型,并将融合模型与单一模型的预测性能进行对比;最后,利用样本集外的10组数据对融合模型的预测精度进行了验证。结果表明,融合模型的RE_(max)和RMSE小于任何单一模型,其中AE_(max)=0.68、RE_(max)=3.97%、RMSE=0.3214、MAE=0.253,可实现对此类HTPB推进剂燃速的高精度、高效率预测。