開放骨架磷酸鋁合成反應預測研究.pdf

1、無機微孔材料的應用與材料本身的多孔結(jié)構(gòu)有著密切的聯(lián)系,例如孔道的維數(shù)、形狀和面積的不同在應用上也具有巨大的差異。無機微孔晶體由于其獨特的規(guī)則孔道結(jié)構(gòu)而被廣泛地應用于催化、吸附、分離和離子交換等領(lǐng)域,因而具有新穎結(jié)構(gòu)的微孔晶體的設(shè)計、合成以及新合成路線的開發(fā)一直備受關(guān)注。其中,開放骨架結(jié)構(gòu)的金屬磷酸鹽化合物由于其結(jié)構(gòu)的多樣性和潛在的應用價值,國內(nèi)外很多學者已經(jīng)對其開展了廣泛而深入的研究。無機微孔晶體化合物的合成十分復雜,材料結(jié)晶受諸多因素

2、的影響,例如原材料、凝膠組成、PH值、模板劑、溶劑,結(jié)晶溫度和時間等。對這類材料合成的研究與分析,主要困難是由于它們的合成過程難以控制、結(jié)晶機理復雜難以理解和建模。在過去幾年里,科研者試圖建立新的合成方法的預測模型,尤其將統(tǒng)計學方法應用到目標材料的定向設(shè)計中,期望得到性能較好的特定結(jié)構(gòu)預測模型,用來預測新型合成材料。盡管一些統(tǒng)計方法在化學材料分析中已經(jīng)得到了廣泛的應用并取得了預期的研究成果,但是對開放骨架磷酸鋁合成實驗中的分析和預測的研

3、究相對較少。
　　 鑒于開放骨架磷酸鋁豐富的化學結(jié)構(gòu),本文采用基于統(tǒng)計的機器學習理論和方法對磷酸鋁分子篩進行了大量的結(jié)構(gòu)分析與預測,主要應用在:挖掘合成參數(shù)對合成產(chǎn)物某一特定結(jié)構(gòu)的影響程度,為合成實驗提供特定結(jié)構(gòu)形成機理的解釋;建立合成參數(shù)對產(chǎn)物孔道環(huán)數(shù)和產(chǎn)物類型的預測模型,提高定向合成實驗的成功率。具體研究內(nèi)容分為如下兩部分:
　　 一、利用多種基于統(tǒng)計的機器學習方法對數(shù)據(jù)庫的合成參數(shù)和產(chǎn)物結(jié)構(gòu)進行了大量的分析與預測,

4、具體如下:
　　 1.鑒于數(shù)據(jù)庫中的合成參數(shù)之間存在嚴重的相關(guān)性,而偏最小二乘能夠很好的解決變量間的多重共線性問題,本文采用偏最小二乘法分析合成參數(shù)對預測產(chǎn)物特定結(jié)構(gòu)的影響程度,并采用主成分分析方法提取產(chǎn)物某些特定結(jié)構(gòu)的綜合信息,建立合成參數(shù)對產(chǎn)物特定結(jié)構(gòu)的回歸模型。
　　 2.在使用相同模板劑的合成反應中,采用BP神經(jīng)網(wǎng)絡(luò)方法分析凝膠組成及其成分組合對預測產(chǎn)物類型的影響程度。
　　 3.由于支持向量機能夠較好的

5、解決非線性、高維數(shù)、局部極小點等問題,本文采用支持向量機方法預測產(chǎn)物的孔道環(huán)數(shù)和產(chǎn)物類型,挖掘?qū)ι删哂刑囟椎拉h(huán)數(shù)和特定結(jié)構(gòu)類型的化學材料的模板劑參數(shù),并采用交叉驗證方法進一步提高分類器的可靠性。
　　 4.鑒于多元線性回歸對變量之間不可以存在嚴重相關(guān)的限制,采用嶺回歸方法建立合成參數(shù)對產(chǎn)物類型的預測模型,并詳細研究了嶺參數(shù)和閾值的選取對預測性能影響。
　　 5.本文還采用偏最小二乘與Logistic回歸結(jié)合的統(tǒng)計方法

6、(PLS-LR)進行合成參數(shù)對產(chǎn)物類型的預測。首先采用偏最小二乘方法去除合成參數(shù)之間相關(guān)性,得到新的低維變量;然后采用Logistic回歸方法在低維變量上預測產(chǎn)物的類型;最后通過對預測結(jié)果的影響確定偏最小二乘提取的成分個數(shù),建立合成參數(shù)對產(chǎn)物類型的預測模型。
　　 大量實驗與分析說明了本文采用的基于統(tǒng)計的機器學習方法能夠挖掘出合成參數(shù)對生成產(chǎn)物特定結(jié)構(gòu)的影響程度,并且建立了性能良好的合成參數(shù)對產(chǎn)物特定結(jié)構(gòu)和特定類型的預測模型。<

7、br>　　 二、針對磷酸鋁合成數(shù)據(jù)庫存在的類不平衡問題,提出了新的采樣方法。
　　 數(shù)據(jù)的類不平衡問題會降低分類器的分類性能,針對預測實驗中的數(shù)據(jù)存在類不平衡問題(如兩類樣本的比例為1:3),基于無監(jiān)督的模糊C均值方法,本文提出了兩種有指導的上采樣方法:FCMP1,FCMP2:兩種有指導的混合采樣方法:FCMP1+Tomek和FCMP2+Tomek。這些方法不僅考慮了類間不平衡問題,而且考慮了類內(nèi)不平衡問題,克服了現(xiàn)有方法的盲

8、目采樣的缺點。并且,在混合采樣方法中同時去除了兩類的噪音樣本或邊緣樣本,使兩類樣本更具有可分性。實驗結(jié)果表明,在采樣后的數(shù)據(jù)集上的預測結(jié)果要明顯優(yōu)于原始數(shù)據(jù)的預測結(jié)果。與一些現(xiàn)有的采樣方法相比,本文提出的采樣方法展示了更好的預測性能。
　　 本文采用基于統(tǒng)計的機器學習方法,建立了磷酸鋁合成反應數(shù)據(jù)庫中合成參數(shù)對產(chǎn)物特定結(jié)構(gòu)的一系列預測模型;為了有效的解決類不平衡問題,提出了新的采樣方法來提高預測性能。本文的研究將使分子篩骨架的定