简介： 本发明公开了一种基于机器学习的比移值预测方法，采集化合物、展开剂和比移值数据，通过机器学习方法建立比移值预测模型，能够快速准确地预测出目标化合物在目标展开剂体系下的比移值曲线，并根据曲线给出最优展开剂配比方案，使得实验获得的比移值不至于过大或者过小，极大地减少了薄层色谱分析技术对实验者经验的依赖，解决了展开剂选择的问题，避免了枯燥的重复实验，极大地提升了极性测定的效率，节省了时间和人力成本。本发明将机器学习技术引入实验化学领域，使得没有实验条件的情况下获取化合物的比移值成为一种可能，在实验化学、药物合成与分析等领域有着广泛应用和重要意义。