基于机器学习辅助开发MOFs改性聚氨酯材料的方法

本发明涉及计算化学和发泡材料技术领域，公开了一种基于机器学习辅助开发MOFs改性聚氨酯材料的方法。该方法包括：S1、选取多种MOFs改性聚氨酯材料，通过实验测定极限氧指数；确定MOFs改性聚氨酯材料的特征属性值；S2、将极限氧指数和确定的特征属性值构建为数据库；S3、将数据库划分为测试集与训练集，采用多种机器学习模型进行训练，得到极限氧指数和特征属性值之间的函数关系；S4、根据函数关系预测各种MOFs改性聚氨酯材料的极限氧指数，筛选出极限氧指数最高的MOFs改性聚氨酯材料。本发明结合机器学习进行材料开发，节约了大量实验试错带来的经济及时间成本，筛选出的MOFs改性聚氨酯材料极限氧指数较高。