摘要
本发明公开了一种基于机器学习的低共熔溶剂分离提取木质素效果预测方法,包括以下步骤:构建包含低共熔溶剂氢键酸度、氢键碱度、极性表面积等特征参数及木质素去除率的样本数据库;基于溶剂分子结构,提取影响木质素去除率的关键特征变量;采用Stacking集成算法,以Xgboost、RF和SVM为基学习器,以CNN为元学习器,构建以去除率为目标变量的机器学习预测模型;采用五折交叉验证进行超参数调优,构建机器学习预测模型;利用SHAP方法对模型进行解释,生成特征重要性排名图和SHAP值分布图,直观展示关键变量对木质素提取去除率的影响;最终通过机器学习模型预测不同低共熔溶剂体系的木质素去除效果,结合特征分析调整溶剂组成比例以优化分离工艺。
技术关键词
低共熔溶剂体系
超参数
集成算法
木质素提取
变量
生成特征
氯化铵
构建机器学习模型
紫外分光光度计
四甲基溴化铵
学习器
样本
硝基苯
供体
异山梨醇
乙酰丙酸
受体
分子
系统为您推荐了相关专利信息
动态预测模型
LSTM算法
ReLU函数
风险
变量
生成对抗网络模型
振型识别方法
结构振动响应
结构有限元模型
迁移学习方法
电源管理控制
控制模块
译码方式
ASIC电路
芯片设计技术
电网动态调度方法
时序特征
地理信息系统数据
多变量传感器
动态邻接矩阵