神经网络模型预测炭材料吸附VOCs的工作容量

摘要：

吸附剂的孔隙结构对于有机易挥发物(VOCs)的回收利用具有显著影响.活性炭的传统筛选方法不仅需要对孔隙结构进行表征,还要实验测定相应样品吸附正丁烷的工作容量.为提高活性炭的筛选效率,结合61种活性炭的表征信息,经机器学习回归基于BP神经网络的活性炭分类模型,重复30次计算所研究活性炭吸附正丁烷工作容量的计算结果与实验值的平均偏差约为6.64％,成功建立了活性炭特征参数和吸附正丁烷工作容量之间的定量关系,这对于降低实验成本具有重要的研究意义.

关键词：多孔材料、孔隙结构、构效关系、丁烷吸附、人工智能算法应用

所属期刊栏目：37

分类号：TQ35

资助基金："十二五"国家科技支撑计划资助2015BAD21B05

在线出版日期：2017-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：123-128