【技术实现步骤摘要】
本专利技术涉及机器学习技术，尤其是活性氮自由基与新污染物的二级反应速率常数的预测方法及系统。
技术介绍
1、新污染物(ecs)因其对生态环境和人体健康的潜在危害受到广泛关注。高级氧化工艺(aops)能产生强氧化性自由基，具有高效降解ecs的潜力，已成为最有前景的去除ecs的技术之一。根据反应动力学，rns与ecs的反应速率与rns浓度、污染物浓度及二级反应速率常数(k)正相关。咖啡酸、芥子酸、3-甲基-1-丁炔等化合物与rns的二级反应速率常数达到了108–109m-1s-1，这一数值范围充分说明了活性氮自由基能够对某些化合物表现出较高的反应活性。同时，环境介质中普遍存在的硝酸盐作为重要的rns前体物质，其平均浓度高达15.35mg/l，这些硝酸盐能够通过光化学、电化学等途径产生大量活性氮自由基。基于以上反应动力学数据及前体物质丰度，活性氮自由基有望在新污染物治理领域展现出显著优势。
2、作为评估自由基与化合物反应活性的关键参数之一，二级反应速率常数可通过实验手段测得。目前pubchem数据库中化合物种类已超1.2亿，实验手...
【技术保护点】
1.一种活性氮自由基与新污染物的二级反应速率常数的预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的活性氮自由基与新污染物的二级反应速率常数的预测方法，其特征在于，所述第一预测模型是GBR模型，第二预测模型是XGBoost模型。
3.根据权利要求1所述的活性氮自由基与新污染物的二级反应速率常数的预测方法，其特征在于，利用所述数据集训练第一预测模型和第二预测模型还包括，将数据集分为训练集和测试集，计算训练集与测试集中化合物的结构相似度，设定结构相似度阈值，确定第一预测模型和第二预测模型的应用域。
4.根据权利要求1所述的活...
【技术特征摘要】
1.一种活性氮自由基与新污染物的二级反应速率常数的预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的活性氮自由基与新污染物的二级反应速率常数的预测方法，其特征在于，所述第一预测模型是gbr模型，第二预测模型是xgboost模型。
3.根据权利要求1所述的活性氮自由基与新污染物的二级反应速率常数的预测方法，其特征在于，利用所述数据集训练第一预测模型和第二预测模型还包括，将数据集分为训练集和测试集，计算训练集与测试集中化合物的结构相似度，设定结构相似度阈值，确定第一预测模型和第二预测模型的应用域。
4.根据权利要求1所述的活性氮自由基与新污染物的二级反应速率常数的预测方法，其特征在于，在所述数据集中删除二级反应速率常数超过数据上限和数据下限的异常值。
5.根据权利要求1所述的活性氮自由基与新污染物的二级反应速率常数的预测方法，其特征在于，通过最佳线性比例算法计算第一二级反应速率常数与第二二级反应速率常数加权求和的加权系数。
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。