本發(fā)明涉及環(huán)保，更具體的說是涉及一種增強類芬頓體系降解性能預(yù)測精度的方法及系統(tǒng)。

背景技術(shù)：

1、機器學(xué)習作為一種人工智能技術(shù)，由于擅長揭示傳統(tǒng)分析方法經(jīng)常忽視的復(fù)雜和隱藏的關(guān)系，在環(huán)境領(lǐng)域引起廣泛關(guān)注。最近，研究人員將機器學(xué)習技術(shù)用于生物炭/pms體系以增強有機物的降解。然而，經(jīng)過一系列的模型優(yōu)化(數(shù)據(jù)優(yōu)化、模型篩選、特征工程、交叉驗證、超參數(shù)調(diào)整)后，模型測試集的r2超過0.8時為較優(yōu)預(yù)測模型，這表明仍具有約20％的預(yù)測誤差。因此，提高生物炭/pms體系降解性能預(yù)測模型的精度至關(guān)重要。

2、除上述已經(jīng)在生物炭/pms體系性能預(yù)測模型構(gòu)建中使用的提升精度的方法外，還可以通過設(shè)計新模型進一步提升精度。然而構(gòu)建新模型可能需要從零開始進行算法開發(fā)、編碼、調(diào)試和優(yōu)化，要求開發(fā)者具備深厚的理論基礎(chǔ)，并能夠在模型設(shè)計中處理復(fù)雜的數(shù)學(xué)問題和算法，難度較高，這是一個極具挑戰(zhàn)性的任務(wù)。

3、研究表明，引入可能與結(jié)果預(yù)測相關(guān)的未開發(fā)特征有利于改善模型的性能，生物炭表面的活性位點直接影響其催化活性。然而，在機器學(xué)習增強生物炭/pms體系性能的研究中，科研人員利用c、o、n元素含量或o/c比等代表生物炭表面的活性位點，這可能是造成模型誤差的原因。

4、因此，有必要重新審視以元素為輸入特征構(gòu)建的預(yù)測生物炭/pms體系性能的模型，亟需進一步探究活性位點作為輸入特征時模型預(yù)測生物炭/pms體系的降解性能的準確性。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種增強類芬頓體系降解性能預(yù)測精度的方法及系統(tǒng)，解決了背景技術(shù)存在的問題。

2、為了實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一方面，本發(fā)明提供了一種增強類芬頓體系降解性能預(yù)測精度的方法，包括以下步驟：

4、獲取生物炭特性、有機物物理描述符和類芬頓體系降解性能lnksa的數(shù)據(jù)，構(gòu)建參數(shù)數(shù)據(jù)集；

5、將參數(shù)數(shù)據(jù)集按照預(yù)設(shè)比例劃分為訓(xùn)練集和測試集；

6、利用訓(xùn)練集訓(xùn)練不同的機器學(xué)習模型，確定模型參數(shù)；

7、利用測試集分別對兩個機器學(xué)習模型進行預(yù)測性能評估，最終獲得類芬頓體系降解性能預(yù)測的最佳模型。

8、優(yōu)選的，獲取生物炭特性、有機物物理描述符和類芬頓體系降解性能lnksa的數(shù)據(jù)，具體為：

9、利用熱解改性制備多種不同的生物炭，通過表征手段獲得生物炭的特性；

10、將生物炭在不同催化劑濃度下活化過一硫酸鹽降解不同的有機物，得到反應(yīng)速率常數(shù)k；利用比表面積將k歸一化得到ksa，評估類芬頓反應(yīng)體系的降解性能。

11、優(yōu)選的，參數(shù)數(shù)據(jù)集包括第一數(shù)據(jù)集和第二數(shù)據(jù)集；其中，第一數(shù)據(jù)集以c＝c含量、c-n含量、o-c＝o含量、c＝o含量、c-o含量、吡啶氮含量、吡咯氮含量、石墨氮含量、缺陷值id/ig、最高已占據(jù)分子軌道的能量ehomo為輸入特征，lnksa為目標變量；第二數(shù)據(jù)集以c含量、o含量、n含量、c/n、c/o、缺陷值id/ig、最高已占據(jù)分子軌道的能量ehomo為輸入特征，lnksa為目標變量。

12、優(yōu)選的，訓(xùn)練集和測試集的劃分比例為8:2。

13、優(yōu)選的，利用訓(xùn)練集訓(xùn)練不同的機器學(xué)習模型，具體為：

14、采用svr算法，利用第一數(shù)據(jù)集和第二數(shù)據(jù)集構(gòu)建預(yù)測生物炭/pms體系性能的模型，根據(jù)評估指標確定輸入變量；

15、利用訓(xùn)練集確定超參數(shù)，建立生物炭特性、有機物結(jié)構(gòu)與生物炭/pms體系降解性能的關(guān)系。

16、優(yōu)選的，超參數(shù)包括：random_state、kernel、c、epsilon和tol。

17、優(yōu)選的，利用測試集分別對兩個機器學(xué)習模型進行預(yù)測性能評估時，采用測試集測試模型的性能，并以評價指標評估模型的準確性。

18、優(yōu)選的，評價指標包括平均絕對誤差、均方根誤差和決定系數(shù)。

19、另一方面，本發(fā)明還提供了一種增強類芬頓體系降解性能預(yù)測精度的系統(tǒng)，用于實現(xiàn)上述任一項所述的一種增強類芬頓體系降解性能預(yù)測精度的方法，包括依次連接的數(shù)據(jù)集構(gòu)建模塊、劃分模塊、訓(xùn)練模塊和測試模塊；

20、數(shù)據(jù)集構(gòu)建模塊，用于獲取生物炭特性、有機物物理描述符和類芬頓體系降解性能lnksa的數(shù)據(jù)，構(gòu)建參數(shù)數(shù)據(jù)集；

21、劃分模塊，用于將參數(shù)數(shù)據(jù)集按照預(yù)設(shè)比例劃分為訓(xùn)練集和測試集；

22、訓(xùn)練模塊，用于利用訓(xùn)練集訓(xùn)練不同的機器學(xué)習模型，確定模型參數(shù)；

23、測試模塊，用于利用測試集分別對兩個機器學(xué)習模型進行預(yù)測性能評估，最終獲得類芬頓體系降解性能預(yù)測的最佳模型。

24、經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明公開提供了一種增強類芬頓體系降解性能預(yù)測精度的方法及系統(tǒng)，具有以下有益效果：

25、利用活性位點代替元素比作為輸入特征，提高模型預(yù)測生物炭/pms體系性能的準確性，有助于深入闡明生物炭的結(jié)構(gòu)-活性關(guān)系，極大地降低了傳統(tǒng)實驗試錯的概率，節(jié)省人力、物力和時間的消耗。

技術(shù)特征：

1.一種增強類芬頓體系降解性能預(yù)測精度的方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種增強類芬頓體系降解性能預(yù)測精度的方法，其特征在于，獲取生物炭特性、有機物物理描述符和類芬頓體系降解性能lnksa的數(shù)據(jù)，具體為：

3.根據(jù)權(quán)利要求1所述的一種增強類芬頓體系降解性能預(yù)測精度的方法，其特征在于，參數(shù)數(shù)據(jù)集包括第一數(shù)據(jù)集和第二數(shù)據(jù)集；其中，第一數(shù)據(jù)集以c＝c含量、c-n含量、o-c＝o含量、c＝o含量、c-o含量、吡啶氮含量、吡咯氮含量、石墨氮含量、缺陷值id/ig、最高已占據(jù)分子軌道的能量ehomo為輸入特征，lnksa為目標變量；第二數(shù)據(jù)集以c含量、o含量、n含量、c/n、c/o、缺陷值id/ig、最高已占據(jù)分子軌道的能量ehomo為輸入特征，lnksa為目標變量。

4.根據(jù)權(quán)利要求1所述的一種增強類芬頓體系降解性能預(yù)測精度的方法，其特征在于，訓(xùn)練集和測試集的劃分比例為8:2。

5.根據(jù)權(quán)利要求3所述的一種增強類芬頓體系降解性能預(yù)測精度的方法，其特征在于，利用訓(xùn)練集訓(xùn)練不同的機器學(xué)習模型，具體為：

6.根據(jù)權(quán)利要求5所述的一種增強類芬頓體系降解性能預(yù)測精度的方法，其特征在于，超參數(shù)包括：random_state、kernel、c、epsilon和tol。

7.根據(jù)權(quán)利要求1所述的一種增強類芬頓體系降解性能預(yù)測精度的方法，其特征在于，利用測試集分別對兩個機器學(xué)習模型進行預(yù)測性能評估時，采用測試集測試模型的性能，并以評價指標評估模型的準確性。

8.根據(jù)權(quán)利要求7所述的一種增強類芬頓體系降解性能預(yù)測精度的方法，其特征在于，評價指標包括平均絕對誤差、均方根誤差和決定系數(shù)。

9.一種增強類芬頓體系降解性能預(yù)測精度的系統(tǒng)，其特征在于，用于實現(xiàn)如權(quán)利要求1-8任一項所述的一種增強類芬頓體系降解性能預(yù)測精度的方法，包括依次連接的數(shù)據(jù)集構(gòu)建模塊、劃分模塊、訓(xùn)練模塊和測試模塊；

技術(shù)總結(jié)
本發(fā)明公開了一種增強類芬頓體系降解性能預(yù)測精度的方法及系統(tǒng)，涉及環(huán)保技術(shù)領(lǐng)域，包括以下步驟：獲取生物炭特性、有機物物理描述符和類芬頓體系降解性能lnk<subgt;SA</subgt;的數(shù)據(jù)，構(gòu)建參數(shù)數(shù)據(jù)集；將參數(shù)數(shù)據(jù)集按照預(yù)設(shè)比例劃分為訓(xùn)練集和測試集；利用訓(xùn)練集訓(xùn)練不同的機器學(xué)習模型，確定模型參數(shù)；利用測試集分別對兩個機器學(xué)習模型進行預(yù)測性能評估，最終獲得類芬頓體系降解性能預(yù)測的最佳模型。本發(fā)明可以提高模型預(yù)測生物炭/PMS體系性能的準確性，極大降低傳統(tǒng)實驗試錯的概率，節(jié)省人力、物力和時間的消耗。

技術(shù)研發(fā)人員：李寧,梁瀾,侯立安,陳冠益,顏蓓蓓,程占軍,崔孝強,林法偉
受保護的技術(shù)使用者：天津大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/28