[发明专利]一种水性聚氨酯疏水性的预测方法

权利要求书

1.一种水性聚氨酯疏水性的预测方法，包括以下步骤：

步骤1、确定预测水性聚氨酯疏水性的训练模型；

1.1、将30～1500种已知水接触角数值的水性聚氨酯树脂的配方数据导入Matcloud+材料智能大数据云平台的人工智能模块；

1.2、在Matcloud+材料智能大数据云平台的人工智能模块中，标签列选择除水接触角列外的其他数据列，特征列选择水接触角数据列；

1.3、在Matcloud+材料智能大数据云平台的人工智能模块中，测试数据占比输入为0.05～0.5；

1.4、在Matcloud+材料智能大数据云平台的人工智能模块中，调用不同的人工智能算法进行计算，并分别得到不同人工智能算法模型的平均绝对差值(mae)、均方误差(mse)、均方根误差(rmse)以及绝对系数(r²)；

1.5、选取步骤1.4中误差最小的人工智能算法模型作为预测未知水接触角的水性聚氨酯的训练模型；

步骤2、利用训练模型预测未知水接触角的水性聚氨酯的疏水性；

2.1、将1～750种未知水接触角的水性聚氨酯的原材料数据、制备工艺数据以及原材料的物理参数数据导入Matcloud+材料智能大数据云平台的人工智能模块；

2.2、选用步骤1.5中的训练模型对未知水接触角的水性聚氨酯进行水接触角的计算。

2.根据权利要求1所述的一种水性聚氨酯疏水性的预测方法，步骤1.1中所述水性聚氨酯树脂的配方数据包括原材料数据、制备工艺数据、水接触角数据以及原材料的物理参数数据。

3.根据权利要求2所述的一种水性聚氨酯疏水性的预测方法，所述原材料数据包括原材料的种类和加量。

4.根据权利要求2所述的一种水性聚氨酯疏水性的预测方法，所述制备工艺数据包括合成反应的加料方式、合成的反应时间、合成反应的温度、合成反应的搅拌速度、乳化时间、乳化温度及乳化搅拌速度。

5.根据权利要求2所述的一种水性聚氨酯疏水性的预测方法，所述原材料的物理参数数据包括羟基化合物的分子轨道数据、异氰酸酯化合物的分子轨道数据及胺类扩链剂的分子轨道数据中的一种或几种。

6.根据权利要求5所述的一种水性聚氨酯疏水性的预测方法，所述分子轨道数据包括最低空轨道的能量、最高占据轨道的能量及最低空轨道和最高占据轨道的能量差。

7.根据权利要求1所述的一种水性聚氨酯疏水性的预测方法，所述人工智能算法包括：决策树算法、支持向量回归算法、线性回归算法、贝叶斯回归算法、神经网络算法以及随机森林算法。

8.根据权利要求1所述的一种水性聚氨酯疏水性的预测方法，平均绝对差值(mae)、均方误差(mse)以及均方根误差(rmse)的值越小以及绝对系数(r²)的值越接近1代表误差越小。