武器製品の圧入成形分野において、製品の成形密度は武器装備の損傷効果と密接に関連しており、圧入成形品質の重要な指標の一つである。爆薬散粒体の圧制成形プロセスは、多変量、パラメーターの不確実性、データ取得の困難さといった特徴を持ち、従来の数値シミュレーション手法では製品の成形密度を正確に得ることが困難である。データ駆動型の方法も強いデータ依存性のため成形密度を正確に予測できない。これに対して、データ増強とExtreme Gradient Boosting-多層パーセプトロン（XGBoost-MLP）集成学習に基づく爆薬散粒体成形密度予測方法を提案する。ランダムフォレストに基づくデータ増強法を用いて原データを拡張し、物理的整合性分析により拡張データが物理機構に適合していることを確認した；XGBoost-MLP集成学習法を提案し、爆薬散粒体の圧制成形密度予測モデルを構築し、K分割交差検証と早期停止戦略によりモデルの学習過程を強化した；爆薬散粒体の圧制成形および密度試験を設計・実施し、提案手法を検証した。この基礎の上で、提案手法をXGBoost-MLP、データ増強-XGBoost、データ増強-MLP手法と比較分析した。研究結果は、ランダムフォレストに基づくデータ増強法がサンプル不足によるモデルの過学習問題を効果的に緩和し、圧制成形データの小サンプル問題をある程度克服したことを示した；提案手法は平均絶対誤差、平均二乗誤差、平均絶対パーセント誤差のいずれにおいても最小値を達成し、それぞれ0.0175、0.000555、1.03%であり、高精度な圧制成形密度予測を実現した。

圧入薬;爆薬散粒体圧制成形;Extreme Gradient Boosting-多層パーセプトロン集成学習;密度予測