مشخصات پژوهش

عنوان	مدل پیش بینی سایش آلیاژ های پایه منیزیم با استفاده از الگوریتم های یادگیری ماشین
نوع پژوهش	مقاله ارائه شده کنفرانسی
کلیدواژه‌ها	یادگیری ماشین؛ تریبولوژی؛ حجم سایش؛ آلیاژهای پایه منیزیم؛ فرآیند ساخت؛ عملیات حرارتی؛ ترکیب شیمیایی.
چکیده	روش‌های داده‌محور از جمله یادگیری ماشین، رویکردی نوین در برقراری ارتباط خواص مواد مهندسی و خواص تریبولوژیکی پدید آورده‌اند که توانایی و قابلیت بررسی تاثیر فرآیند ساخت، عملیات حرارتی، ترکیب شیمیایی و متغیرهای آزمون تریبولوژی به‌طور هم‌زمان بر حجم سایش را دارا هستند. پیش‌بینی حجم سایش با استفاده از این روش‌ها، بهره‌گیری از آزمون‌های هزینه‌بر و زمان‌بر مهندسی مربوط به خواص تریبولوژیکی را کاهش می‌دهند. در پژوهش حاضر، الگوریتم‌های نزدیک‌ترین همسایگی، جنگل تصادفی، درخت تصمیم، گرادیان بوستینگ و بوستینگ تطبیقی به‌منظور پیش‌بینی حجم سایش آلیاژهای منیزیم به‌کار گرفته شدند. نتایج حاکی از عملکرد قابل قبول الگوریتم‌های مورد استفاده در جهت پیش‌بینی حجم سایش است. بهترین عملکرد مربوط به الگوریتم بوستینگ تطبیقی با دقت 94 درصد است. نتایج نشان‌دهنده اهمیت و مشارکت بالای بار عمودی، مسافت لغزش و سرعت لغزش در پیش‌بینی حجم سایش است.
پژوهشگران	نگار باقریه (نفر اول)، میثم نوری (نفر دوم)، مسلم نوری (نفر سوم)