基本信息:
- 专利标题： 一种基于机器学习技术预测SCR催化剂孔隙结构的方法
- 申请号：CN202110394289.X 申请日：2021-04-13
- 公开(公告)号：CN113205861A 公开(公告)日：2021-08-03
- 发明人： 高翔 , 刘少俊 , 郑成航 , 杨洋 , 董毅 , 吴卫红 , 宋浩 , 张霄 , 冉明矗 , 林青阳 , 张悠 , 张涌新 , 翁卫国
- 申请人： 浙江大学
- 申请人地址： 浙江省杭州市西湖区浙大路38号
- 专利权人： 浙江大学
- 当前专利权人： 浙江大学
- 当前专利权人地址： 浙江省杭州市西湖区浙大路38号
- 代理机构： 浙江永航联科专利代理有限公司
- 代理人： 蔡鼎
- 主分类号： G16C20/70
- IPC分类号： G16C20/70 ; G16C20/30 ; G16C60/00 ; G06N20/00
摘要：
本发明提供一种能够提高开发效率的基于机器学习技术预测SCR催化剂孔隙结构的方法。一种基于机器学习技术预测SCR催化剂孔隙结构的方法，包括以下步骤：收集已知的SCR催化剂信息作为数据建立数据库；对数据进行初筛和归一化，将数据库内数据按比例划分为训练集和测试集；采用训练集构建机器学习预测模型，采用交叉验证评估机器学习预测模型的泛化能力；采用测试集测试机器学习预测模型的精度并以评价指标进行评价；采用机器学习预测模型对SCR催化剂孔隙结构进行预测。本发明可以用于对未知催化剂的高通量筛选，与传统的实验‑表征开发手段相比，极大的节约了成本，加快了开发速度，可推广应用于各种吸附和催化材料的设计与开发。
公开/授权文献:
- CN113205861B 一种基于机器学习技术预测SCR催化剂孔隙结构的方法 公开/授权日：2023-04-07
IPC结构图谱:
| G | 物理 |
| --G16 | 特别适用于特定应用领域的信息通信技术 |
| ----G16C | 计算化学；化学信息学；计算材料科学 |
| ------G16C20/00 | 化学信息学，例如特别适用于处理化学粒子、元素、化合物或混合物的物理化学或化合物结构数据的ICT |
| --------G16C20/70 | .机器学习，数据挖掘或化学统计学 |