当前位置: 首页 > 专利查询>南昌大学专利>正文

一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法技术

技术编号:41685564 阅读:25 留言:0更新日期:2024-06-14 15:36
本发明专利技术提出了一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,将膜性质和纳米粒子材料性质两大类影响参数作为输入数据送入优化的深度学习模型中;通过学习策略对预测模型进行训练来改善模型的泛化能力;将纳米粒子大小和纳米粒子装填量作为待优化的目标参数,并将其余影响参数作为固定参数,通过组合目标参数和固定参数得到待验证的输入数据;将输入数据送入已完成训练的模型中;获取输入数据对应的控制水渗透率和控制盐截留率;判断预测得到的样本对应的性能是否符合要求;如果满足要求则记录对应的制备条件用于指导膜的设计。本发明专利技术以不错的精度预测薄膜纳米复合反渗透膜的性能并为其设计提供辅助决策。

【技术实现步骤摘要】

本专利技术涉及反渗透膜,尤其涉及一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法


技术介绍

1、海水淡化是解决由人口增长和工业化发展所带来的水资源枯竭问题的重要方法。海水淡化主要采用蒸馏、离子交换和反渗透技术。其中,反渗透技术是应用最广泛的方法。其主要原理是利用高压将海水通过半透膜进行过滤,滤除盐分和杂质,从而获得淡水,降低了海水淡化的能耗和化学需求。因此,反渗透技术的改进是水资源有效利用的关键,具有重要的意义和前景。但是其应用受限于膜的水渗透率和盐截留率的权衡。

2、为了更进一步提升反渗透膜的性能,人们开始优化膜制备参数并通过薄膜纳米复合技术对反渗透膜进行优化。常见的方法包括人工试错法、实验验证法和机器学习方法。人工试错方法和常见的实验设计方法需要花费较长的时间用于参数的调整和实验验证,这依赖于制备人员的经验且很难得到较优的膜性能。机器学习方法主要依赖于对现有数据信息的挖掘和学习,当信息复杂度很高的时候往往需要大量的数据才能取得不错的预测能力。但是在反渗透膜领域,数据样本的获取难度高和影响参数的不统一等问题使得反渗透膜本文档来自技高网...

【技术保护点】

1.一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,其特征在于,所述方法包括以下步骤:

2.如权利要求1所述的一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,其特征在于,所述的S1步骤具体包括:

3.如权利要求2所述的一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,其特征在于,所述的S2步骤具体包括:

4.如权利要求3所述的一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,其特征在于,所述的S3步骤具体包括:

5.如权利要求4所述的一种优化的用于预...

【技术特征摘要】

1.一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,其特征在于,所述方法包括以下步骤:

2.如权利要求1所述的一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,其特征在于,所述的s1步骤具体包括:

3.如权利要求2所述的一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,其特征在于,所述的s2步骤具体包括:

4.如权利要求3所述的一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,其特征在于,所述的s3步骤具体包括:

5.如权利要求4所述的一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,其特征在于,所述的s4步骤具体包括:

6.如权利要求5所述的一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法,其特征在于,所述的s5步骤具体包括:

7.如权利要求2所述的一种优化的用于预测薄膜...

【专利技术属性】
技术研发人员:王允乾李恒
申请(专利权)人:南昌大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1