文章标题：基于机器学习的高强高导Cu基复合材料力-电性能 统一预测模型研究

文章作者：刘 楠1，2，3，郭青成1，2，3，马麟趾1，2，3，王嘉琦1，2，3
关 键 字：铜基复合材料；BP神经网络；蚁群算法；机器学习；导电率
文章摘要：

颗粒增强铜基复合材料具有良好的力学、电学性能，但增强体特征参量与材料性能之间的定量关系难以量化确定。为建立TiB和TiB2陶瓷增强相与铜基复合材料力学与电学综合性能之间的映射关系，以求大幅提高铜基复合材料强度的同时，将其导电率降低在可接受范围内，提出了一种基于蚁群算法优化的BP神经网络铜基复合材料力-电性能统一预测模型(ACO-BP-Cu)。通过BP神经网络建立铜基复合材料性能与特征参数间关系，通过蚁群算法全局寻优确定BP神经网络模型结构。实验表明，ACO-BP-Cu模型能够根据TiB和TiB2陶瓷增强相特征参数有效预测铜基复合材料各项性能，且相对决策树、线性回归、K邻近法等9种回归算法准确率更高，稳定性更强。