一种基于官能团分类和机器学习的钢筋阻锈剂性能预测方法

本发明属于阻锈剂性能预测领域，具体涉及一种基于官能团分类和机器学习的钢筋阻锈剂性能预测方法，首先对阻锈剂分子结构中活性基团和官能团进行科学分类与数据采集，并采集浸泡时间、阻锈剂含量、转移电阻与阻锈效率等阻锈剂高度相关的指标数据，形成原始数据特征集；其次对采集到的原始数据进行预处理；然后基于重要性排序识别影响阻锈效率的关键官能团与环境条件特征；最后利用训练集对机器学习回归模型进行训练，通过测试集的误差指标评估模型性能，得到可预测不同阻锈剂分子结构下阻锈效率的预测模型。该方法具有预测准确度高、可解释性强、可拓展性好的优点，为钢筋阻锈剂的研发、筛选与应用提供了高效的技术支持。