【技术实现步骤摘要】
本专利技术涉及离子液体性质预测，尤其涉及一种基于原子特征预测离子液体物性的机器学习方法。
技术介绍
1、离子液体作为新型的电解质溶液、润滑剂、气体吸收剂在能源、摩擦、环保等领域具有巨大的应用前景，研究离子液体的物理化学性质是推动其工业应用的关键步骤。典型的物化性质，如密度、粘度、电导率等是离子液体工业用途中必须考虑的因素。迄今为止，离子液体的物理化学性质可通过实验表征、理论计算、模型评估等三类方法获得。实验表征方法是指借助仪器获取相关物化性质方法；理论计算是指通过分子动力学软件、量子化学软件计算获得离子液体的相关物化性质；模型评估是指通过显式的经验方程根据输入量计算得到离子液体的物化性质。具体如下：
2、(一)借助实验仪器测量离子液体的物化性质：
3、离子液体常见的物理化学性质，如：密度、粘度、介电常数、电导率、熔点等，均可以通过实验仪器测量得到。例如，密度计、粘度计、电导率仪可以分别用来测量离子液体的密度、粘度和电导率性质；离子液体的熔点可以通过温度传感器和热流传感器构建差示扫描量热仪进行测量；离子液体的介电常...
【技术保护点】
1.一种基于原子特征预测离子液体物性的机器学习方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于原子特征预测离子液体物性的机器学习方法，其特征在于，步骤1)中：所述离子液体热力学性质数据库为ILThermo v2.0。
3.根据权利要求1所述的一种基于原子特征预测离子液体物性的机器学习方法，其特征在于，步骤1)中：
4.根据权利要求1所述的一种基于原子特征预测离子液体物性的机器学习方法，其特征在于，步骤1)中所述无效数据包括离子液体的类别、物理化学性质缺失的数据，所述错误数据包括同一种离子液体在相同温度、压力条件下出...
【技术特征摘要】
1.一种基于原子特征预测离子液体物性的机器学习方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于原子特征预测离子液体物性的机器学习方法，其特征在于，步骤1)中：所述离子液体热力学性质数据库为ilthermo v2.0。
3.根据权利要求1所述的一种基于原子特征预测离子液体物性的机器学习方法，其特征在于，步骤1)中：
4.根据权利要求1所述的一种基于原子特征预测离子液体物性的机器学习方法，其特征在于，步骤1)中所述无效数据包括离子液体的类别、物理化学性质缺失的数据，所述错误数据包括同一种离子液体在相同温度、压力条件下出现不同的物理化学性质数据。
5.根据权利要求1所述的一种基于原子特征预测离子液体物性的机器学习方法，其特征在于，步骤2)中：
6.根据权利要求5所述的一种基于原子特征预测离子液体物性的机器学习方法，其特征在于，步骤2)中所述筛选去除与模型不相关的原子属性特征，具体为：对于离子液体的五种原子属性特征，采用去一方法进行尝试，筛选去除...
【专利技术属性】
技术研发人员：杨振，戴中洋，宋灿灿，王晨阳，周国兵，华东升，
申请(专利权)人：江西师范大学，
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。