一种基于机器学习的混合表面活性剂系统表面张力预测方法及系统

本发明公开了一种基于机器学习的混合表面活性剂系统表面张力预测方法及系统。通过实验测定混合表面活性剂在不同温度下系统表面张力数据；其次利用Szyszkowski方程对原始数据进行理论校正和数据增强；然后构建多维特征空间；接着采用嵌套K折交叉验证策略；最终建立的XGB预测模型在增强数据集的测试集上表现出色，决定系数R2达0.9994，均方误差MSE为0.0713。本发明特别适用于包含非离子型聚醚表面活性剂的二元混合体系，不仅能准确预测表面张力值，还可确定临界胶束浓度（CMC）等关键参数。为表面活性剂配方的快速筛选和优化提供了高效可靠的技术手段，在日化、石油、制药等领域具有广阔的应用前景。