【技术实现步骤摘要】
本专利技术涉及机器学习，更具体地，涉及基于机器学习预测非金属材料催化过硫酸盐降解污染物的速率常数的模型及应用。
技术介绍
1、近年来，随着工业化的发展，各种污染物不可避免地被排放到水生环境当中，导致对水生生态系统的污染威胁到人类的生存。污染物的降解是一个复杂而重要的过程，需要综合考虑多种因素并采取有效的措施来加速降解过程、减轻环境污染，这环境保护和污染治理至关重要。
2、目前，基于非金属碳基材料(mfcms)催化过硫酸盐(ps)的高级氧化途径(aops)是一种转化水中污染物比较有前景的方法，但由于不同的mfcms具有不同的结构和表面特征，确定其固有催化位点仍然具有挑战性和争议，其影响污染物迁移转化能力的不同须进一步的研究。另外，在ps活化过程中，mfcms倾向于通过非自由基途径介导单线态氧(1o2)氧化，但很少有研究报道选择性产生1o2实现污染物的转化。以上问题都直接影响了利用mf cms催化ps来处理水中污染物的应用。
3、机器学习(ml)是一种新兴的数据驱动方法，可以处理和学习大规模、复杂和高维度的数据，以开...
【技术保护点】
1.一种基于机器学习模型的用于预测非金属材料催化过硫酸盐降解污染物的速率常数的模型，其特征在于，所述模型以相关特征的数据值作为输入值，降解污染物的速率常数作为输出值，进行机器学习模型训练得到，
2.根据权利要求1所述的模型，其特征在于，所述相关特征的数据值经过缺失数据填充后，作为输入值，进行机器学习模型训练。
3.根据权利要求1所述的模型，其特征在于，特征的数据值进行归一化处理后再作为输入值，进行机器学习模型训练。
4.根据权利要求2或3所述的模型，其特征在于，
5.根据权利要求1所述的模型，其特征在于，所述训练中，训练...
【技术特征摘要】
1.一种基于机器学习模型的用于预测非金属材料催化过硫酸盐降解污染物的速率常数的模型，其特征在于，所述模型以相关特征的数据值作为输入值，降解污染物的速率常数作为输出值，进行机器学习模型训练得到，
2.根据权利要求1所述的模型，其特征在于，所述相关特征的数据值经过缺失数据填充后，作为输入值，进行机器学习模型训练。
3.根据权利要求1所述的模型，其特征在于，特征的数据值进行归一化处理后再作为输入值，进行机器学习模型训练。
4.根据权利要求2或3所述的模型，其特征在于，
5.根据权利要求1所述的模型，其特征在于，所述训练中，训练集和测试集的样本数比例为7:3。
6.权利要求1到5任一所述的模型在进行非金属材料催化过硫酸盐...
【专利技术属性】
技术研发人员：银仁莉，黎镇杰，李晶，黎华寿，秦俊豪，仇荣亮，
申请(专利权)人：华南农业大学，
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。