一种基于机器学习的非均相催化过氧乙酸任务分解方法

本发明涉及一种基于机器学习的非均相催化过氧乙酸任务分解方法，包括以下步骤：S1：采集实验数据，并使用数据预处理方法将数据归一化和剔除高相关性特征；S2：将总任务分解为性能优化和机理鉴别两个子任务，并针对两个任务分别构建对应的数据集；S3：利用两个预处理后的数据集训练处理回归问题的机器学习模型；S4：根据两个子任务的机器学习结果优化实验条件并鉴定机理。与现有技术相比，本发明基于机器学习，能够低成本快速地有效优化性能和鉴别机理。