检索结果-南通市图书馆

检索条件"主题词=吸附能预测"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于机器学习的金属污染物吸附模型研究

基于机器学习的金属污染物吸附模型研究

引用

作者：张瑞鸿华北电力大学(北京)

学位级别：硕士

近年来,随着机器学习的研究和兴起,其对于污染物处理的潜在价值日益凸显,越来越多的科学家将目光转向机器学习方法在污染物去除方面的应用,渴望建立具有针对性或泛性良好的模型,尝试解决长期以来寻找优质材料和反应性能预测两大任务,并... 详细信息

近年来,随着机器学习的研究和兴起,其对于污染物处理的潜在价值日益凸显,越来越多的科学家将目光转向机器学习方法在污染物去除方面的应用,渴望建立具有针对性或泛性良好的模型,尝试解决长期以来寻找优质材料和反应性能预测两大任务,并且大大减少计算成本。机器学习方法为优化化学反应、加速分子设计和其他重要应用提供了一个经济有效的工具。本研究引入了两种极具代表性的吸附剂材料,石墨烯和香兰素,从多个维度对随机森林、极端随机森林、极端梯度提升和轻梯度提升四种机器学习方法进行了评估,探究了适用于去除金属污染物场景的吸附能预测模型。具体的研究内容如下:（1）在数据获取及预处理方面,借助计算化学软件Gaussian建立氧化石墨烯和香兰素吸附金属离子的几何构型,基于密度泛函理论对其进行优化,得到了吸附能、结构参数等数据用于后续建模,并且基于奇异值分解原理对缺失值进行填充。（2）在特征工程方面,通过训练一个梯度提升机对特征进行筛选,并得到其重要性排名,发现离子半径、密里根电荷、沸点等九个特征对吸附能的影响最为显著。这一工作从理论层面解释了影响氧化石墨烯和香兰素去除金属污染物的反应性能的重要因素。（3）在预测模型的建立和对比方面,使用了四种广泛应用的集成学习方法训练预测模型,包括随机森林、极端随机森林、极端梯度提升和轻梯度提升。从拟合优度系数R2、均方误差MSE和运行时间三个维度对模型进行了对比分析,得到最优吸附能预测模型。为了提高机器学习模型的预测精度并且减少过拟合的风险,选择了网格搜索方法进行超参数调优,并通过交叉验证划分训练集和验证集,极大地减少了过拟合风险。（4）在预测模型的适用性方面,将训练得到的模型延伸到香兰素吸附金属离子的体系中进行测试,进一步说明此前得到的极端随机森林模型更适用于吸附位点为含氧官能团的污染物去除体系。总体来说,此研究结合了机器学习节省实验过程和时间的优点,基于较少的时间和操作成本预测到了准确性较高的吸附能,能够对金属离子去除性能的研究带来新的思路,对金属污染防治方面的实验和理论研究起到一定的参考价值。

关键词：奇异值分解特征选择网格搜索吸附能预测极端随机森林

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：