در این طرح، ما از مفاهیم اساسی ریاضی برای دستیابی به مدل سازی نظری تاثیر ضربه سرعت-پایین یک ضربه زننده با نوک کروی، بر صفحه تقویت شده با کربن نانوتیوپ استفاده می کنیم. با توجه به مدل سازی پیشنهادی، شش پارامتر شامل درصد نانولوله های کربنی، شعاع ضربه زننده، ضخامت صفحه، طول و عرض صفحه، پروفایل های توزیع نانولوله های کربنی و سرعت اولیه ضربه زننده به عنوان ویژگی های ورودی برای به دست آوردن دو هدف شامل نیروی تماس و زمان تماس در نظر گرفته می شوند. علاوه بر این، روش های یادگیری ماشین برای پیش بینی نیروی تماس و زمان تماس بر اساس شش پارامتر ورودی در نظر گرفته شده استفاده می شوند. از آنجایی که اهداف مقادیر پیوسته را ارائه می دهند، لازم است از مدل های رگرسیون برای پیش بینی مقادیر هدف استفاده شود. بر این اساس، ما از مدل های رگرسیون خطی (linear regression)، رگرسیون نزولی گرادیان تصادفی (stochastic gradient descent regressor)، رگرسیون بیزین (Bayesian regression)، رگرسیون حداقل مربعات جزئی (partial least squares regression)، رگرسیون فرآیند گاوسی (gaussian process regression)، رگرسیون پرسپترون چند لایه (multi-layer perceptron regressor)، رگرسیون بردار پشتیبان (support vector regression) و رگرسیون درخت تصمیم (decision tree regression) استفاده می کنیم.
