```mermaid graph TD subgraph Stage1 [Étape 1 : Collecte et prétraitement des données] A[Collecte de données
Fiche de données des matériaux1 & Fiche de données des COV2] --> B[Caractéristiques d'entrée] B --> B1[Caractéristiques des matériaux
Surface spécifique, Taille des pores, Hydrophobicité, Polarité] B --> B2[Caractéristiques des COV
Masse moléculaire, logP, Diamètre moléculaire, Valeur OAV] B --> C[Caractéristique de sortie
Score de correspondance d'adsorption] C --> D[Prétraitement des données] D --> D1[Nettoyer les colonnes numériques
Remplir les valeurs manquantes] D1 --> D2[Filtrer les COV efficaces
Valeur OAV > 0] D2 --> D3[Ingénierie des caractéristiques
Calculer le score de correspondance basé sur la théorie de l'adsorption] end subgraph Stage2 [Étape 2 : Entraînement et évaluation du modèle] D3 --> E[Partitionnement de l'ensemble de données] E --> E1[80% Ensemble d'entraînement] E --> E2[20% Ensemble de test] E1 --> F[Standardisation des caractéristiques
(Uniquement pour SVM et régression linéaire)] F --> G[Modèles d'apprentissage automatique] G --> G1[XGBoost] G --> G2[SVM] G --> G3[Forêt aléatoire] G --> G4[Régression linéaire] G1 --> H[Entraînement et évaluation] G2 --> H G3 --> H G4 --> H H --> H1[Validation croisée à 5 plis
(Calculer la moyenne et l'écart type de R²)] H1 --> H2[Calculer les métriques d'évaluation
R² de l'ensemble d'entraînement, R² de l'ensemble de test, RMSE, MAE] H2 --> I[Comparaison des performances du modèle] I --> I1[Trier par R² de l'ensemble de test] I1 --> J[Sélection du modèle optimal
(Basé sur le R² de l'ensemble de test ou les performances de la validation croisée)] end subgraph Stage3 [Étape 3 : Analyse de l'importance des caractéristiques et conseils d'optimisation] J --> K[Analyse d'interprétabilité] ```