本发明专利技术的目的就是为了克服化学方法检测层状双金属氧化物层间距大小模式存在的缺陷,而提供一种低成本、无污染、测试简单、简便快捷的非化学实验方法预测层状双金属氧化物层间距大小模式的方法。整个过程如下:以原子参数为自变量,以层间距大小模式为因变量,构成基础数据;对基础数据中的原子参数数据进行组合转换,得到的综合变量,综合变量和层间距大小模式构成了中间数据;基于中间数据,利用人工神经网络算法建立层状双金属氧化物层间距大小模式的快速识别模型,该模型可以预测新的层状双金属氧化物层间距大小模式。状双金属氧化物层间距大小模式。状双金属氧化物层间距大小模式。
【技术实现步骤摘要】
非化学实验方法预测层状双金属氧化物层间距大小模式的方法
[0001]本专利技术涉及无机材料测试
,尤其是涉及非化学实验方法预测层状双金属氧化物层间距大小模式的方法。
技术介绍
[0002]层状双金属氢氧化物(LayeredDoubleHydroxides,LDHs)是典型的阴离子粘土,又被成为类水滑石化合物,是指一类由两种或两种以上金属元素组成的具有水滑石层状晶体结构的氢氧化物。作为一类特殊结构和功能的主客体化合物,LDHs近几年来成为无机功能材料领域关注的焦点。
[0003]LDHs是一类通式为M
2+1
‑
x
M
3+x
(OH)2(A
n
‑
)
n/x
∙
mH2O的层状新型功能无机材料。其中:(1)M
2+
、M
3+
分别表示位于层板上的二价、三价金属阳离子(2)结构式中的x=M
3+
/(M
2+
+M
3+
),x值大小会直接影响到产物的组成和结构(3)A
n
‑
为层间阴离子(4)m表示层间游离水的摩尔数层状双金属氢氧化物的结构示意图如图1所示。LDHs层间距的通式为:d
spacing
=d
layer
+d
inter
其中d
layer
代表层板间距,d
inter
代表层间通道高度。一般来说,LDHs层间距大于7.7为大层间距模式,小于7.7的为小层间距模式。目前LDHs化合物层间距的大小可以通过X射线衍射仪(XRD)测量得到,但通过X射线衍射仪测量层状双金属氧化物层间距需要过长的分析周期,而且分析过程复杂。由于这些缺点的限制,越来越多的科技工作者研究开发快速的、费化学方法预报层状双金属氧化物层间距的大小模式。
[0004]人工神经网络是模拟生物神经网络信息处理机制的一种信息处理系统,特别适用于处理输入和输出关系复杂的非线性数据,是从化学化工生产、实验数据中总结规律的一种有效手段。本专利不做化学实验,利用微观的原子参数结合人工神经网络算法测定层状双金属氧化物层间距大小模式。本专利技术方法的优势是不用化学实验、快速便捷、成本低。
技术实现思路
[0005]本专利技术的目的就是为了克服化学方法检测层状双金属氧化物层间距大小模式存在的缺陷,而提供一种低成本、无污染、测试简单、简便快捷的非化学实验方法预测层状双金属氧化物层间距大小模式的方法。
[0006]本专利技术的目的可以通过以下技术方案来实现:非化学实验方法预测层状双金属氧化物层间距大小模式的方法,包括以下步骤:1)收集若干个层状双金属氢氧化物及其层间距数据,根据其数值将层间距大于7.7定义为大层间距模式,将层间距小于7.7定义为小层间距模式,结合元素周期表收集层状双金属氢氧化物中金属原子的原子参数,以这些原子参数为自变量,以层间距大小模式
为因变量,构成基础数据;2)对基础数据中的原子参数数据进行组合转换,得到的综合变量,这些综合变量是原子数据的线性组合,综合变量和层间距大小模式构成了中间数据;3)基于中间数据,利用人工神经网络算法建立层状双金属氧化物层间距大小模式的快速识别模型;4)收集新的层状双金属氧化物,查找得到其原子参数,将这些参数代入组合转换方程,计算出其中间数据,将这些中间数据代入建立好的层状双金属氧化物层间距大小模式的快速识别模型,预报出这些新的层状双金属氧化物的层间距是大模式,或者是小模式。
[0007]与现有技术相比,本专利技术具有以下优点:一、层状双金属氧化物层间距大小模式方法简单、快捷:利用元素周期表得到原子参数需要几分钟,把得到的原子参数导入建立的模型,不需要几秒钟就可以计算出结果,方便、快捷,仅需一人即可完成。
[0008]二、低成本:本专利技术利用原子参数
‑
人工神经网络预报层状双金属氧化物层间距大小模式,相比于传统的X射线衍射仪测量,不需要购买仪器,操作简单,成本低。
[0009]三、不污染环境:本专利技术在整个过程中不用到化学药品,对环境没有污染。
附图说明
[0010]图1为层状双金属氧化物结构图。
[0011]图2为人工神经网络网络示意图。
具体实施方式
[0012]下面结合附图和具体实施例对本专利技术进行详细说明。
[0013]本专利技术非化学实验方法预测层状双金属氧化物层间距大小模式的方法,包括如下步骤:(1)收集33个层状双金属氢氧化物及其层间距数据,根据其数值将层间距大于7.7定义为大层间距模式,将层间距小于7.7定义为小层间距模式,结合元素周期表收集层状双金属氢氧化物中金属原子的原子参数,以这些原子参数为自变量,以层间距因变量,形成基础数据。部分示例数据如表1所示;表1层状双金属氧化物层间距和原子参数
序号Molecularformula大小模式n
a
n
b
z
z
/r
z
r
a
/r
b
1Mg
0.63
Al
0.37
(OH)2(CO3)
0.19
∙
0.62H2O小0.630.371.081.332Mg
0.67
Al
0.33
(OH)2(CO3)
0.17
∙
0.52H2O小0.670.331.081.333Mg
0.75
Al
0.25
(OH)2(CO3)
0.13
∙
0.56H2O大0.750.251.081.334Mg
0.80
Al
0.20
(OH)2(CO3)
0.10
∙
0.48H2O大0.800.201.081.335Co
0.63
Al
0.37
(OH)2(CO3)
0.19
∙
0.80H2O小0.630.371.081.206Co
0.67
Al
0.33
(OH)2(CO3)
0.17
∙
0.68H2O小0.670.331.081.207Co
0.75
Al
0.25
(OH)2(CO3)
0.13
∙
0.71H2O小0.750.251.081.208Co
0.80
Al
0.20
(OH)2(CO3)
0.10
∙
0.60H2O小0.800.201.081.209Mg
0.75
A1
0.25
(OH)2(C03)
0.13
∙
0.5H20小0.750.251.081.3310Mg
...
【技术保护点】
【技术特征摘要】
1.非化学实验方法预测层状双金属氧化物层间距大小模式的方法,包括以下步骤:1)收集若干个层状双金属氢氧化物及其层间距数据,根据其数值将层间距大于7.7定义为大层间距模式,将层间距小于7.7定义为小层间距模式,结合元素周期表收集层状双金属氢氧化物中金属原子的原子参数,以这些原子参数为自变量,以层间距大小模式为因变量,构成基础数据;2)对基础数据中的原子参数数据进行组合转换,得到的综合变量,这些综合变量是原子数据的线性组合,综合变量和层间距大小模式构成了中间数据;3)基于中间数据,利用人工神经网络算法建立层状双金属氧化物层间距大小模式的快速识别模型;4)收集新的层状双金属氧化物,查找得到其原子参数,将这些参数代入组合转换方程,计算出其中间数据,将这些中间数据代入建立好的层状双金属氧化物层间距大小模式的快速识别模型,预报出这些新的层状双金属氧化物的层间距是大模式,或者是小模式。2.根据权利要求1所述的非化学实验方法预测层状双金属氧化物层间距大小模式的方法,其特征在于,所述的步骤2)组合转换方程如下:Y1= +3.034[n
a
]
‑
3.328[n
b
]
‑
3.159[z
z
/r
z
]+5.329[r
a
/r
b
【专利技术属性】
技术研发人员:刘太行,刘振昌,刘太昂,周晶晶,周央,吴治富,朱峰,刘婷婷,朱鲁阳,刘远,
申请(专利权)人:上海真谱信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。