摘要
本发明公开了光催化剂的光催化降解效率的预测方法及其相关产品和应用,涉及半导体光催化剂的设计与制备领域。本发明通过将掺杂金属离子的γ‑Bi2MoO6光催化剂的制备条件和掺杂离子特性作为模型的输入特征,以光催化降解效率作为输出,构建了掺杂金属离子的γ‑Bi2MoO6光催化剂的光催化降解速率的预测模型,经验证,该模型具有优异的预测能力,能够有效缩短光催化剂的设计周期和制备成本,绿色环保,为高性能γ‑Bi2MoO6光催化剂的设计和制备提供了新的途径。
技术关键词
离子
机器学习模型
光催化降解速率
半导体光催化剂
样本
pH值
处理器
稀土金属
预测装置
光波长
存储器
计算机
带隙
高性能
电子设备
介质
程序
溶液
系统为您推荐了相关专利信息
电解系统
机器学习模型
阴极
特征工程技术
表达式
体积计算方法
误差校正
三维点云数据
三维模型
图像分析模块
验证方法
深度学习模型
时间序列模型
控制台
协方差矩阵