基于可解释机器学习模型预测聚酰亚胺热膨胀系数的方法

本发明公开一种基于可解释机器学习模型预测聚酰亚胺热膨胀系数的方法，从公开数据库和相关文献中收集聚酰亚胺的结构和热膨胀系数信息，之后将重复单元两端用氢原子封端，通过其SMILES表达式生成对应的分子描述符，并选取最重要的若干个分子描述符；构建热膨胀系数预测模型并对模型进行优化，采用交叉验证对模型性能进行评估，在此过程中使用决定系数、平均绝对误差和均方根误差衡量模型；使用SHAP对模型进行解释，能够解释影响相关性质的因素，快速指导实验合成，具有计算速度快、精度高、结构分析方便的特点；对合成新型低热膨胀系数聚酰亚胺起指导作用。