一种基于机器学习的稀土电解质溶液活度系数预测方法

本发明公开了一种基于机器学习的稀土电解质溶液活度系数预测方法，属于稀土电解质技术领域。所述方法通过获取目标稀土历史电解质溶液数据，并执行预处理操作，并按预设比例划分为训练集和测试集；将得到的训练集构建德拜‑休克尔项；在德拜‑休克尔项中引入Pitzer模型中的高阶相互作用项并基于训练电解质溶液数据集，构建热力学参数预测模型输入项；输入项输入热力学参数预测模型后，通过非线性变换从模型输出层输出目标稀土的活度系数；基于测试电解质溶液数据对训练后的模型进行验证和调整。本发明相较于实验测量方法更加快速；相较于现有机器算法，准确度更高；缩短了热力学参数的获取时间，减少了获取成本。