摘要
本发明公开了一种单原子催化剂驱动类芬顿去除污染物的全局优化方法及系统,涉及污染物降解技术领域,收集单原子催化剂活化过硫酸盐体系降解有机污染物工艺的动力学数据及操作条件构建原始数据集,建立预测污染物降解反应速率常数的全局构效关系模型,通过网格搜索得到最优超参数,对全局构效关系模型多次训练获得最优模型;分析最优模型,得到各输入特征的SHAP值并通过SHAP点图量化所有数据样本对污染物降解反应速率的影响;利用最优模型预测得到污染物降解反应速率。从单原子催化剂、反应条件和污染物特性中探究影响污染物降解的规律,大幅减少单原子催化剂活化过硫酸盐降解污染物的试错成本,打破了污染物降解速率提升的技术瓶颈。
技术关键词
全局优化方法
构效关系模型
活化过硫酸盐体系
降解有机污染物
超参数
速率
金属单原子催化剂
污染物降解技术
全局优化系统
输出特征
催化剂特征
随机森林
机器学习算法
网格
数据
样本
系统为您推荐了相关专利信息
观测噪声方差
长短期记忆网络
组合导航方法
惯性传感器
粒子群优化算法
三维模型轻量化
轻量化方法
子模块
渲染优化方法
结构优化方法
桥梁结构
识别方法
分数阶傅里叶变换
WGAN模型
加速度