一种基于机器学习技术预测SCR催化剂孔隙结构的方法技术

本发明专利技术提供一种能够提高开发效率的基于机器学习技术预测SCR催化剂孔隙结构的方法。一种基于机器学习技术预测SCR催化剂孔隙结构的方法，包括以下步骤：收集已知的SCR催化剂信息作为数据建立数据库；对数据进行初筛和归一化，将数据库内数据按比例划分为训练集和测试集；采用训练集构建机器学习预测模型，采用交叉验证评估机器学习预测模型的泛化能力；采用测试集测试机器学习预测模型的精度并以评价指标进行评价；采用机器学习预测模型对SCR催化剂孔隙结构进行预测。本发明专利技术可以用于对未知催化剂的高通量筛选，与传统的实验‑表征开发手段相比，极大的节约了成本，加快了开发速度，可推广应用于各种吸附和催化材料的设计与开发。

【技术实现步骤摘要】
一种基于机器学习技术预测SCR催化剂孔隙结构的方法
本专利技术涉及一种催化剂孔隙结构的预测方法，特别涉及一种基于机器学习技术预测SCR催化剂孔隙结构的方法，属于环保

技术介绍
随着社会的进步和经济的发展，大气污染防治成为人们日益关注的重点问题。氮氧化物(NOx)对人体健康和大气环境造成巨大的危害，因此发展高效的大气污染治理方法刻不容缓。近年来环境催化技术作为有效的治理手段得到了大量的关注和研究，环境催化技术对SCR催化剂有较高的要求，其中具有较大的比表面积，合适的孔容、孔径是最基本的要求。这是因为催化过程要求污染物分子能够到达催化剂表面，即要经历外扩散、内扩散和吸附过程，虽然在开发大比表面积、合适的孔容、孔径催化剂方面已经有了很大的进展，但在开发过程中仍然采用传统的试错法，需要投入大量的人力物力，大大增加了开发的时间和成本。因此，本专利技术提出了一种切实可行的基于数据驱动的预测SCR催化剂孔隙结构的新方法，辅助新催化剂的开发，以降低成本，提高效率。
技术实现思路
本专利技术的目的在于提供一种能够提高本文档来自技高网...

【技术保护点】
1.一种基于机器学习技术预测SCR催化剂孔隙结构的方法，其特征在于：该方法包括以下步骤：/nS1.收集已知的SCR催化剂信息作为数据建立数据库，SCR催化剂信息包括SCR催化剂类型信息、SCR催化剂组成信息、SCR催化剂制备信息和SCR催化剂孔隙结构信息；/nS2.对数据进行初筛和归一化，将数据库内数据按比例划分为训练集和测试集；/nS3.采用训练集构建机器学习预测模型，以SCR催化剂类型信息、SCR催化剂组成信息和SCR催化剂制备信息作为输入参数，通过机器学习预测模型计算输出SCR催化剂孔隙结构信息，以评价指标评价机器学习预测模型的精度，采用交叉验证评估机器学习预测模型的泛化能力；/nS4....

【技术特征摘要】
1.一种基于机器学习技术预测SCR催化剂孔隙结构的方法，其特征在于：该方法包括以下步骤：
S1.收集已知的SCR催化剂信息作为数据建立数据库，SCR催化剂信息包括SCR催化剂类型信息、SCR催化剂组成信息、SCR催化剂制备信息和SCR催化剂孔隙结构信息；
S2.对数据进行初筛和归一化，将数据库内数据按比例划分为训练集和测试集；
S3.采用训练集构建机器学习预测模型，以SCR催化剂类型信息、SCR催化剂组成信息和SCR催化剂制备信息作为输入参数，通过机器学习预测模型计算输出SCR催化剂孔隙结构信息，以评价指标评价机器学习预测模型的精度，采用交叉验证评估机器学习预测模型的泛化能力；
S4.采用测试集测试验证机器学习预测模型的精度并以评价指标进行评价，当精度达标时则输出机器学习预测模型，当精度不达标时则重复步骤S3直至精度达标；
S5.采用S4所输出的机器学习预测模型对SCR催化剂孔隙结构进行预测。


2.根据权利要求1所述的一种基于机器学习技术预测SCR催化剂孔隙结构的方法，其特征在于：所述步骤S1中，SCR催化剂类型信息为贵金属、过渡金属氧化物、分子筛和复合氧化物中的一种或多种；SCR催化剂组成信息为SCR催化剂组成元素种类、质量分数和摩尔分数中的一种或多种；SCR催化剂制备信息为SCR催化剂制备方法和SCR催化剂制备参数中的一种或多种，SCR催化剂制备参数包括煅烧处理、退火处理、水热处理、处理温度、处理气氛和处理时间；SCR催化剂孔隙结构信息为比表面积、平均孔径和平均孔容中的一种或多种。


3.根据权利要求1所述的一种基于机器学习技术预测SCR催化剂孔隙结构的方法，其特征在于：所述步骤S2中，数据初筛包括删除无差异的特征、采用灰色理论估算缺失值和删除异常值。


4.根据权利要求1所述的一种基于机器学习技术预测SCR催化剂孔隙结构的方法，其特征在于：所述步骤S2中，数据归一化采用以下公式：



式中，yi为归一化数据，xi为原始数据，xmin为原始数据中每一维数据中的最小值，xmax为原始数据中每一维数据中的最大值。


5.根据权利要求1所述的一种基于机器学习...

【专利技术属性】
技术研发人员：高翔，刘少俊，郑成航，杨洋，董毅，吴卫红，宋浩，张霄，冉明矗，林青阳，张悠，张涌新，翁卫国，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33