基于机器学习模型的改性双基推进剂的燃速预测

• 作者: 王丽莹 袁榕澳 赵凤起 姜菡雨 徐司雨 郭延芝
• 来源期刊: 化学研究与应用
• 关键词: 改性双基推进剂 燃速 机器学习 定量预测 支持向量回归
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 研究论文|Academic Papers
• 页码范围: 1560-1567
• 页数: 8页
• 分类号: O65
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1656.2021.08.019

摘要

在分析了改性双基推进剂不同成分含量对其燃速性能影响的基础上,使用机器学习方法建立了以推进剂成分含量及压强为输入变量,推进剂燃速值为输出的预测模型.通过以相关系数(R2)、均方根误差(RMSE)以及平均绝对误差(MAE)作为模型的性能评价指标,比较了不同机器学习方法的预测性能,包括随机森林、支持向量回归、极限梯度提升、人工神经网络、多元线性回归、偏最小二乘回归和K最近邻回归.结果表明,以多项式内积(Poly)为核函数的支持向量回归(Support Vector Regression,SVR)模型的预测效果最优,其模型的留一法交叉验证结果令人满意,R2、RMSE、MAE分别为0.9927、0.5553、0.4033.最后,为进一步验证模型的准确性、稳定性,我们分别采用5折、10折交叉验证与留一法进行结果比较,并绘制模型的学习曲线.结果证实模型稳定可靠,过拟合程度低,可实现对改性双基推进剂燃速的准确预测,可为具有优越性能的推进剂配方设计与优化提供理论指导.