我正在研究一个工程问题，需要预测土壤的破坏能力。每1英尺，50英尺收集一次土壤强度参数（2个值）。因此，对于1个测试，X的大小为（50,2），并根据有限元分析y（破坏能力）计算得出。我有大约700个这样的点，分别为X（700,50,2）和y（700，）。
有限元分析非常耗时且计算量大，因此我正在尝试制作一种ML算法，该算法可以在给定X（即测试的（50,2）矩阵）的情况下预测y。
P.S要获取更多数据非常困难，因为这些测试的成本很高（> 1000美元）。
我尝试了线性回归，但效果不佳。我还使用了梯度增强树回归，似乎给出了不错的结果。
在神经网络方面，我尝试了LSTM模型，因为它看起来像是顺序数据。但它不起作用。我还没有对此进行超参数调整。
对我可以用来解决此问题的方法/算法有何建议？Sample data for 1 test point
