独立开发超声垢厚度智能预测系统，面向工业管道无损检测场景，实现从原始CSV超声回波数据到垢层厚度的端到端自动化预测。独立完成需求分析、算法设计与工程实现全流程：设计文件名解析模块自动提取标签并容错，对波形进行归一化与39维时/频/峰/能量特征提取（峰值计数、频谱质心、四分位能量比等），引入加噪、时移、幅值扰动等数据增强；集成随机森林、梯度提升树与自定义全连接神经网络（BatchNorm + Dropout + AdamW），结合GridSearchCV超参搜索、早停与学习率衰减，基于±0.05/0.1/0.5mm多容差精度评估自动选取最优模型并持久化（pickle/PyTorch），生成损失曲线、残差分布及特征重要性等可视化报告。基于Tkinter搭建训练配置与单样本预测双模块图形界面，支持参数动态调整、实时日志、一键CSV预测与结果展示。模型验证RMSE达0.1mm以内，±0.5mm容差准确率超95%，已封装为可执行工具。技术栈：Python、NumPy/SciPy、Scikit-learn、PyTorch、Matplotlib、Tkinter。