一种基于神经网络的分子筛X射线衍射图谱峰位置的预测方法技术

本发明专利技术涉及分子筛催化剂工艺领域，更具体的说，涉及一种基于神经网络的分子筛X射线衍射图谱峰位置的预测方法。本发明专利技术提出的预测方法，包括以下步骤：S1、获取原始样本数据，构建原始数据集；S2、对分子筛的原始数据集进行筛查；S3、在筛选后的数据集中，得到具有唯一性的操作工况及对应的表征图谱；S4、提取XRD表征图谱中的峰位置信息；S5、构造用于模型训练的结构化数据，并将整个数据集划分为训练集和验证集；S6、建立并训练神经网络模型，得到两个预测模型进行产物的XRD峰的预测。本发明专利技术只需要历史存储的合成数据便可进行建模，预测精度高，从而有针对性的对实验操作工况条件进行改动，减少实验成本，提升合成实验的效率。

【技术实现步骤摘要】
一种基于神经网络的分子筛X射线衍射图谱峰位置的预测方法
本专利技术涉及分子筛催化剂工艺领域，更具体的说，涉及一种基于神经网络的分子筛X射线衍射图谱峰位置的预测方法。
技术介绍
分子筛已广泛用于催化裂化、加氢裂化、汽油和柴油加氢改质等石油化工过程,是石油化工行业中应用最广的催化材料。合成具有高效的分子筛催化剂能产生巨大的经济效益，而高通量合成系统以其高实验吞吐量被用于分子筛的实验研究和开发。现有技术中，实验操作条件的改变对其产物的影响必须通过具体的分子筛实验进行验证，这样造成了实验成本的增加。因此，目前亟需一种预测方法对不同实验操作工况下，分子筛合成产物进行预测。分子筛合成产物可以通过其分子筛X射线衍射图谱峰位置信息进行表征，现有技术对于分子筛X射线衍射图谱的峰位置难以进行有效准确预测。
技术实现思路
本专利技术的目的是提供一种基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，解决现有技术对于分子筛X射线衍射图谱的峰位置难以进行有效准确预测的问题。为了实现上述目的，本专利技术提供了一种本文档来自技高网...

【技术保护点】
1.一种基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，包括以下步骤：/nS1、获取原始样本数据，构建原始数据集，所述样本数据包括分子筛实验操作工况数据及XRD表征数据；/nS2、对分子筛的原始数据集进行筛查，剔除异常数据得到筛选后的数据集；/nS3、在筛选后的数据集中，对不同操作工况条件下的输入数据进行整理，遍历整个数据集，得到具有唯一性的操作工况及对应的表征图谱；/nS4、根据峰提取的阈值，提取XRD表征图谱中的峰位置信息；/nS5、将不同操作工况条件的输入数据和输出数据的峰位置进行对齐，构造用于模型训练的结构化数据，并将整个数据集划分为训练集和验证集；/nS6、建立并训练...

【技术特征摘要】
1.一种基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，包括以下步骤：
S1、获取原始样本数据，构建原始数据集，所述样本数据包括分子筛实验操作工况数据及XRD表征数据；
S2、对分子筛的原始数据集进行筛查，剔除异常数据得到筛选后的数据集；
S3、在筛选后的数据集中，对不同操作工况条件下的输入数据进行整理，遍历整个数据集，得到具有唯一性的操作工况及对应的表征图谱；
S4、根据峰提取的阈值，提取XRD表征图谱中的峰位置信息；
S5、将不同操作工况条件的输入数据和输出数据的峰位置进行对齐，构造用于模型训练的结构化数据，并将整个数据集划分为训练集和验证集；
S6、建立并训练神经网络模型，得到两个预测模型进行产物的XRD峰的预测，所述神经网络模型为六层全连接神经，所述预测模型包括第一模型和第二模型，第一模型用于预测峰位置，第二模型用于判断对应输出位置是否为峰位置。


2.根据权利要求1所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S1中：
所述分子筛实验操作工况数据，包含分子筛合成的原料种类和含量，以及整个反应温度、反应时间和搅拌数据；
所述分子筛XRD表征数据，包括XRD衍射仪扫描范围内的扫过角度及其对应强度所生成的对应二维数据。


3.根据权利要求2所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S1中：
所述分子筛实验操作工况数据和分子筛XRD表征数据一一配对，丢弃缺少其中一项的样本数据。


4.根据权利要求1所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S2中，进一步包括以下步骤：
S21、剔除因为反应仪器异常造成温度或压力偏离设定值的样本数据；
S22、剔除XRD表征图谱表现为大且宽的峰对应的无定形的分子筛样本数据。


5.根据权利要求1所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S3中的唯一性的操作工况及对应的表征图谱，是指一个操作工况条件对应一个XRD表征图谱。


6.根据权利要求5所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S3，进一步包括以下步骤：
S31、对整个筛选后的数据集进行遍历，比较不同样本数据的操作工况条件是否一致，如果一致则将样本数据聚为一类；
S32、遍历所有包含多个样本的类别，如果同一类中的XRD表征图谱一致，采取多个图谱取平均的方法作为该类样本数据所对应的表征图谱，如果同一类的XRD表征图谱有差异，随机挑取其中一个作为该类样本数据所对应的表征图谱。


7.根据权利要求1所述的基于神经网络的分子筛X射线衍射图谱峰...

【专利技术属性】
技术研发人员：杜文莉，钱锋，钟伟民，彭鑫，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：上海;31