CN119400293A 低温高活性co2甲烷化催化剂的机器学习优化方法和系统 （合肥工业大学）_第1页
CN119400293A 低温高活性co2甲烷化催化剂的机器学习优化方法和系统 （合肥工业大学）_第2页
CN119400293A 低温高活性co2甲烷化催化剂的机器学习优化方法和系统 （合肥工业大学）_第3页
CN119400293A 低温高活性co2甲烷化催化剂的机器学习优化方法和系统 （合肥工业大学）_第4页
CN119400293A 低温高活性co2甲烷化催化剂的机器学习优化方法和系统 （合肥工业大学）_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

低温高活性CO2甲烷化催化剂的机器学习优本发明提供了一种低温高活性CO2甲烷化催技术领域。所述优化方法通过收集CO2甲烷化反型结合多目标优化算法筛选催化剂，实现CO2甲2S4、根据S3调优后模型的预测精度选出最佳模S5、根据S4模型解释中获得的见解，基于多采用标签编码将分类数据转换为数值数据，再采用Z_Score标准化使不同量纲的特征i表示真实值；表示预测值；3表示真实值的平均值；所述S5中，将最佳模型轻量级梯度提升机模型与多目标优化算法非支配排序遗传算法III所述数据预处理模块用于对CO2甲烷化反应数据集进行所述超参数调优模块用于将预处理后的数据集导入机器学习模型中，进行超参数调所述最佳模型解释模块用于选出最佳模型，采用模型解释技术对最所述催化剂筛选模块用于将多目标优化算法结合最佳模型优化筛选低温高活性CO2甲4低温高活性CO2甲烷化催化剂的机器学习优[0001]本发明涉及机器学习技术领域，具体涉及一种低温高活性CO2甲烷化催化剂的机[0002]CO2甲烷化技术通过将CO2和H2转化为CH4和H2O。该反应的放热性质使其在≤400℃[0005]在CO2甲烷化反应催化剂的研发过程中，传统试错法则往往依赖研究人员的经验[0006]针对现有技术的不足，本发明提供了一种低温高活性CO2甲烷化催化剂的机器学[0008]一种低温高活性CO2甲烷化催化剂的机器学习优化方法，所述优化方法包括步骤5[0019]采用标签编码将分类数据转换为数值数据，再采用Z_Score标准化使不同量纲的[0031]所述数据收集模块用于收集CO2甲烷化反应催化剂描述符、制备条件和反应条件[0035]所述催化剂筛选模块用于将多目标优化算法结合最佳模型优化筛选低温高活性6[0036]本发明提供了一种低温高活性CO2甲烷化催化剂的机器学习优化方法和系统。与化学和物理数据，高精度的设计出性能更优的催化剂，提高CO2转化为CH4的转化率和选择[0047]本申请实施例通过提供一种低温高活性CO2甲烷化催化剂的机器学习优化方法和[0050]如图1～图7所示，本发明提供了一种低温高活性CO2甲烷化催化剂的机器学习优7[0056]S2、对S1收集到的CO2甲烷化反应数据集进行预处理，便于后续机器学习模型搭[0057]采用标签编码将分类数据转换为数值数据，再采用Z_Score标准化使不同量纲的[0068]根据图4中模型预测性能对比，轻量级梯度提升机模型(LGBM)的性能最好，采用≤250℃的低温条件下进行优化筛选，得到6种低温高活性CO2甲烷化反应催化剂，8[0071]本发明还提供了一种低温高活性CO2甲烷化催化剂的机器学习优化系统，所述优[0072]所述数据收集模块用于收集CO2甲烷化反应催化剂描述符、制备条件和反应条件[0076]所述催化剂筛选模块用于将多目标优化算法结合最佳模型优化筛选低温高活性9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论