一种基于残差网络模型的新污染物吸附预测方法

本发明公开了一种基于残差网络模型的新污染物吸附预测方法，包括：数据收集与预处理；ResNet模型构建；SHAP值分析及模型优化；以及对新污染物全氟辛酸的吸附预测与验证。本发明构建的ResNet模型对新污染物全氟辛酸的模型预测值和真实值之间的R2分别为0.990和0.993，均方误差分别为0.042和0.038，具有良好的泛化能力。本发明通过高精度的预测模型替代大量试错性实验，减少实验成本，解决了传统神经网络（ANN）在加深层次时出现的模型退化问题，突破小样本场景下传统机器学习模型预测失效的关键问题。