تم إنشاء نموذج تنبؤ بتعلم الآلة متعدد الميزات بناءً على منحنيات الإجهاد-الإجهاد الهندسي للبولي إيثيلين (PE) والبولي بروبيلين (PP) وكذلك معامل يونغ (YM) ومعدل استطالة الكسر (EB) وقوة الشد (TS)، لدراسة تأثير خصائص المواد، وتقنيات التحضير، ومعلمات الاختبار على الخصائص الميكانيكية. من خلال 7 خوارزميات مثل الانحدار اللوجستي والانحدار بشجرة القرار (DTR) وانحدار الغابات العشوائية (RF)، وبالتزامن مع التحقق المتبادل بخمس طيات وتحسين المعاملات الفائقة، تم تحقيق التنبؤ الكمي للخصائص الميكانيكية؛ وباستخدام خوارزمية الانحدار بشجرة تعزيز التدرج المتطرف (XGB) تم إجراء تطابق عالي الدقة لمنحنيات الإجهاد-الإجهاد. أظهرت النتائج: مع محدودية البيانات أثر ذلك على دقة التنبؤ بخصائص PE، ولكن الاتجاهات أظهرت فعالية الطرق التنبؤية؛ كانت أداء التنبؤ لـ YM في مجموعة بيانات PP الأفضل (مجموعة الاختبار R² ≥ 0.80، البعض تجاوز 0.90)، بدون فرط تكييف واضح؛ تحت قيود حجم البيانات, أظهرت RF وXGB وKNN قدرة تنبؤية فعالة لـ EB وTS في مجموعة PP؛ تحت شروط المتغيرات الثابتة، كان R² لتنبؤ منحنى الإجهاد-الإجهاد لـ PP أعلى من 0.90، مع إمكانية إعادة إنتاج دقيقة للأداء الميكانيكي المعتمد على درجة الحرارة. أُثبتت جدوى التعلم الآلي في التنبؤ بالخصائص الميكانيكية للبولي أوليفينات، مما يوفر دعمًا تقنيًا لتنبؤ سريع بخصائص المواد البوليمرية.

منحنى الإجهاد-الإجهاد;تعلم الآلة;الخصائص الميكانيكية