基于机器学习模型的制冷剂燃爆特性预测

本文以常见可燃工质为对象，基于Gaussian 16W的M06-2X/6–311+G(d, p)优化计算，得出工质分子结构在微观模型下的分子描述符数据。同时采用多元线性回归(MLR)、随机森林(RF)、人工神经网络(ANN)三种不同的机器学习方法，将微观数据与宏观实验数据关联起来，从而预测这些工质的最小点火能，总体R2分别达到了0.853、0.782和0.906，表明预测有着良好的准确度和鲁棒性，该预测结果可以为新工质的实用性和安全性提供理论依据。