本发明公开了一种基于机器学习的高温合金加工工艺优化方法，包括：获取要应用于机器学习的数据集，其中数据集包括高温合金的不同加工条件及相应的测试性能；从获取的数据集中确定用来训练模型的特征，从获取的数据集中确定模型的目标性能；设置不同的机器学习模型，以原始的数据集分别对模型进行训练；获取最佳模型参数及超参数，并以数据集对模型进行校正；对模型性能进行评估，选择性能最好的模型及目标性能；预测并推荐出最佳加工参数。本发明通过集成传统ML模型，其集成了XGBoost、LightGBM、CatBoost、随机森林和k‑近邻等单一模型。有效的利用已有的数据，构建了时效温度、时效时间、热轧变形量与目标特征的定量关系模型。