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

AITNT
正文
推荐专利
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
申请号:CN202510359226
申请日期:2025-03-25
公开号:CN120280036A
公开日期:2025-07-08
类型:发明专利
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
1
一种重症卒中患者感染风险动态预测模型
动态预测模型 LSTM算法 ReLU函数 风险 变量
2
基于少量测点加速度数据和生成对抗网络的结构全自由度振型识别方法
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
3
基于堆叠自编码器的薄板铆接装配偏差预测方法及设备
装配偏差 编码器 协方差矩阵 柔性薄板 变量
4
一种支持RISC-V指令集的通用PMU结构
电源管理控制 控制模块 译码方式 ASIC电路 芯片设计技术
5
一种基于深度学习的微电网动态调度方法
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
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