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

AITNT
正文
推荐专利
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
申请号:CN202411115253
申请日期:2024-08-14
公开号:CN119296680A
公开日期:2025-01-10
类型:发明专利
摘要
本发明公开了一种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,本发明综合采用简单和复杂集成学习机器学习模型针对非金属材料催化过硫酸盐对污染物的降解速率进行模型构建,并分别计算不同模型评价指标,根据R2和RMSE值选取性能表现最优的模型作为污染物迁移转化预测最终模型,该模型能够实现对污染物降解速率的快速预测,模型效果较好。
技术关键词
催化过硫酸盐 非金属材料 机器学习模型训练 LightGBM模型 变量 N氧化物 XGBoost模型 处理单元 速率 数据 梯度提升模型 数值 样本 催化剂 随机森林模型 存储单元 决策树模型 处理器
系统为您推荐了相关专利信息
1
一种基于相关域信息的SVM诱导式欺骗检测算法
分类器 Pearson相关系数 训练集数据 信号源 欺骗检测方法
2
风电电网的储能控制方法、装置、电子设备及存储介质
储能控制方法 储能系统 风电 充放电功率 模糊集构建
3
一种开裂破坏延迟的软土固化方法
固化方法 回弹模量 应力 密度 固化土
4
一种基于神经网络的机载嵌入式软件测试用例自动生成方法
机载嵌入式软件 自动生成方法 语句 生成测试用例 三元组
5
多平台多目标动态任务分配方法、系统、设备及介质
动态任务分配方法 任务分配模型 周期 多平台 通道
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号