基于机器学习的固废基一步法地聚物材料性能预测与配合比反向设计优化方法与装置

本申请提供了基于机器学习的固废基一步法地聚物材料性能预测与配合比反向设计优化方法与装置，属于机器学习领域；解决现有方法准确率低、样本利用率低、无法工程应用的问题；包括以下步骤：多维本征特征数据库构建；基于哈希编码的配方级数据集三向隔离划分；基于分组交叉验证的代理模型优化筛选；生产级预测模型全量重拟合；嵌合多元物理与工程约束的反向寻优架构设计；自适应配合比工艺参数反向推导；本申请通过哈希映射机制实施配方级三向防泄露物理隔离，结合分组交叉验证与全量数据重拟合，并深层嵌合真实公路工程的耐久性边界红线，不仅能够实现材料性能的无偏、高泛化预测，更能反向推导输出兼具高承载力与高耐久稳定性的工艺参数组合。