研究人员提出熔融氯化物腐蚀机器学习预测模型
Start here
2026年11月6日，研究人员在 arXiv 发布成果，基于 291 项静态熔融氯化物腐蚀实验构建数据集，开发出预测腐蚀速率的可解释机器学习框架。该研究引入了氯化物熔盐制备指数（CSPI），其混合树基集成模型实现了 0.85 的交叉验证 R^2 和 0.41 mg cm^-2 day^-1 的 MAE。此外，研究还利用 SHAP 分析与共形预测区间明确了温度、时间等关键特征，并为点预测提供了校准的不确定性估计。
AI-generated from reports · Updated 9 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习基于静态测试数据的熔融氯化物腐蚀数据驱动建模
研究人员基于 291 项静态熔融氯化物腐蚀实验构建数据集，开发出预测腐蚀速率的可解释机器学习框架。该研究引入氯化物熔盐制备指数（CSPI），其混合树基集成模型实现了 0.85 的交叉验证 R^2 和 0.41 mg cm^-2 day^-1 的 MAE。SHAP 分析与共形预测区间进一步明确了温度、时间等关键特征，并为点预测提供了校准的不确定性估计。
Story heat trend
Current heat 8·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.