[发明专利]一种甲烷提纯金属有机框架吸附剂的预测方法及系统

权利要求书

1.一种甲烷提纯金属有机框架吸附剂的预测方法，其特征在于，其基于机器学习系统，包括以下步骤：

S1、通过巨正则蒙特卡洛模拟得到金属有机框架材料(MOF)的几何描述符、能量描述符，以及MOF对体系中甲烷的吸附性能，基于以上参数建立数据集；

S2、把数据集划分为训练集和测试集，运用三折交叉验证，并对数据进行归一化处理；

S3、选择机器学习算法，运用训练集迭代地训练机器学习模型，并调整模型的超参数，直至模型预测MOF材料的权衡值的准确程度满足精度要求；

S4、将测试集中的描述符参数作为模型输入，利用训练好的模型预测测试集数据对应的权衡值，并计算预测的准确程度，以及定量描述模型对不同描述符的预测能力。

2.根据权利要求1所述的甲烷提纯金属有机框架吸附剂的预测方法，其特征在于，所述步骤S1中，体系是混合有甲烷、乙烷、丙烷的天然气，MOF对天然气中的甲烷、乙烷、丙烷的吸附分离。

3.根据权利要求1所述的预测方法，其特征在于，所述步骤S1中，选择的MOF为Wilmer等通过计算生成的137953个MOF中疏水的31399个MOF。在计算水的亨利系数时，利用MEPO-Qeq法估算了MOF的原子电荷，该方法可以快速产生原子电荷，并已在数千MOF中进行了CO₂吸附模拟的验证。

4.根据权利要求1所述的预测方法，其特征在于，所述步骤S1中，MOF的几何描述符分别是最大孔径、体积表面积、空隙率和密度；能量描述符为吸附热和亨利系数。

5.根据权利要求1所述的预测方法，其特征在于，所述步骤S1中，MOF的吸附性能包括其对甲烷的吸附量、选择性，以及吸附量和选择性的权衡值。

6.根据权利要求1所述的预测方法，其特征在于，所述步骤S2中，数据集按照比例划分为训练集和测试集，使用三折交叉验证，并对数据进行归一化处理。

7.根据权利要求1所述的预测方法，其特征在于，所述步骤S3中，选择的机器学习算法包括但不仅限于决策树、随机森林、支持向量机和反向传播神经网络；所述步骤S3中调整模型超参数包括但不仅限于随机搜索、网格搜索。

8.根据权利要求1所述的预测方法，其特征在于，所述步骤S3和所述步骤S4中，评价准确性的指标为Pearson线性相关系数R值。

9.一种计算机可读存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1～8任意之一所述基于机器学习系统的甲烷提纯金属有机框架吸附剂的预测方法。

10.一种机器学习系统，其特征在于，包括计算设备，该计算设备包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现权利要求1～8任意之一所述的基于机器学习的甲烷提纯金属有机框架吸附剂的预测方法。