基于机器学习的气体粉尘爆炸防控靶向抑爆剂调控方法

本发明涉及一种基于机器学习的气体粉尘爆炸防控靶向抑爆剂调控方法，属于爆炸防控和材料改性技术领域。该方法通过机器学习模型分析抑爆剂在复合爆炸环境下的抑制效果，并基于实验数据、特性表征，对抑爆剂成分、浓度和物理结构进行靶向优化。具体步骤包括：通过文献调研筛选抑爆剂成分；对抑爆剂进行改性复配并采集爆炸特性数据；利用XGBoost模型进行特征重要性分析，识别影响抑爆效果的关键因子；根据模型分析结果优化抑爆剂配方，通过实验验证其效果。该方法大幅提升了抑爆剂在复合爆炸条件下的抑制效率和适应性，实现数据驱动的智能化设计，适用于多种工业爆炸防控场景。