本项目基于机器学习模型对多目标参数预测的优异适用性以及复合材料固有的多尺度特征，开发了一种在连续介质力学范畴内的多尺度预测模型。基本思想是基于数值方法计算微观和细观尺度代表性体积单胞（RVE）的均质化性能（包括弹性常数及热膨胀系数），并基于拉丁超立方采样和数值方法生成不同尺度的大型数据库，之后采用贝叶斯优化自动搜索用于预测不同尺度均质化性能的超参数，并进行人工神经网络（ANN）模型的训练。在评估ANN模型的性能后，使用Shapley值法对训练的ANN进行可解释性分析，深入探究微观和细观材料参数、结构参数以及缺陷含量对复合材料宏观性能的影响。之后，基于训练好的ANN模型对复合材料的不确定性进行深入分析和实验对比，结果表明，本项目所开发的多尺度模型可实现复合材料热力性能的高精度动态预测，可为复合材料设计、制备和质量检测提供一个有效的计算工具。