公开(公告)号：CN117952015A

公开(公告)日：2024-04-30

申请号：CN202410203655.2

申请日：2024-02-23

Applicant: 安徽大学

Inventor： 曹鹏程 ,  杨丽

IPC: G06F30/27 ,  G06F18/23213 ,  G06F18/214 ,  G06F18/24 ,  G16C60/00 ,  G06N20/00 ,  G06N3/04

Abstract: 本发明提供一种基于机器学习的光谱反演结构的学习方法，属于光谱反演领域，包括获取催化剂的光谱数据以及催化剂的结构特征，构建数据集；将数据集中催化剂的光谱数据作为神经网络模型的输入，催化剂的结构特征作为输出，对神经网络模型进行训练，直到损失函数值最小时停止训练得到催化剂性能预测模型；将实时采集的催化剂的光谱数据输入催化剂性能预测模型，得到预测的催化剂的结构特征；还提供一种基于机器学习的光谱反演结构的学习系统，建立催化剂的光谱数据与结构特征的定量关系，处理分析光谱数据，提高光谱数据分析的效率和准确性，提供多次训练且效果稳定的性能预测模型，使光谱分析更加精准便捷，快速筛选和验证潜在的催化剂材料。