一种结合SSAKOA并基于ETR-GBR模型的高熵合金屈服强度预测方法

本申请适用于金属材料预测的技术领域，提供了一种结合SSAKOA并基于ETR‑GBR模型的高熵合金屈服强度预测方法，其方法包括获取高熵合金屈服强度原始数据集信息，对高熵合金屈服强度原始数据集信息进行预处理，基于此将最优特征子集信息、超参数、融合权重信息输入至ETR‑GBR模型，并基于训练集信息，分别对极端随机树模型和梯度提升回归模型进行训练，生成训练好的ETR‑GBR模型。本申请能够在单一优化框架内完成特征筛选、模型调参与融合权重确定，显著降低了反复网格/随机搜索带来的计算成本并提升收敛速度与稳定性，还依托ETR与GBR的互补性与SSAKOA的自适应搜索机制，提高了屈服强度预测精度与鲁棒性，实现高熵合金屈服强度的快速预测。