川大 连利仙团队MGE Adv.：一种数据驱动符号回归方法建立的镍基高温合金蠕变寿命预测模型

本文背景针对镍基高温合金蠕变试验耗时长、成本高的问题。研究目的是通过数据驱动和符号回归方法，构建一个兼具高预测精度和强机理可解释性的蠕变寿命预测模型。研究首先建立了包含热力学和动力学参数的高通量数据库，采用相关性分析和机器学习方法筛选出关键特征参数，并基于遗传算法构建了非线性符号回归模型。通过实验数据验证，该模型预测精度超过80%，优于经典的M-G模型和线性模型，并能从动力学和微观结构角度对预测结果进行解释，为高温合金的蠕变性能评估提供了高效可靠的新工具。