摘要
本发明涉及一种基于机器学习的共晶电解质离子电导率预测方法，包括：1、收集已知的共晶电解质的离子电导率，获取对应共晶电解质的组成和结构信息，构建数据集；2、获取数据集中共晶电解质各组分的摩尔比和分子结构信息；3、进行特征工程，获取共晶电解质对应的特征；4、采用包裹式特征选择法结合机器学习算法对特征进行筛选，根据评价指标选取对离子电导率影响较大的最优特征子集；5、以最优特征子集作为输入和数据集中的离子电导率作为输出，通过机器学习算法对数据集进行训练和测试，建立元素组成与电导率的关系模型；6、基于关系模型，构建可视化系统，输入待预测共晶电解质的特征信息，输出其离子电导率。本发明提高了电导率预测准确性。
