一种基于高通量筛选与机器学习开发MOFs改性聚丙烯材料的方法

本发明公开了一种基于高通量筛选与机器学习开发MOFs改性聚丙烯材料的方法，属于功能材料技术领域。综上所述，本发明通过化学合成合成少部分MOFs改性的聚丙烯材料，测定其特征值和性能参数，并将特征值进行标准化处理，基于所述标准化特征值的Pearson相关系数与性能参数构建初始数据库，利用所述初始数据库的数据对各种机器学习模型进行训练和测试，选择性能最佳的机器学习模型对潜在的MOFs改性聚丙烯材料的热变形温度和低温脆化温度进行预测，筛选出满足要求的MOFs改性聚丙烯材料，节约了大量实验试错带来的经济及时间成本，达到快速开发出用于MPP管道的改性聚丙烯材料的目的。