[发明专利]一种对九种有机气体的筛选方法、系统、设备及介质

权利要求书

1.一种对九种有机气体的筛选方法，其特征在于，所述九种有机气体包括Xe、CH₄、Kr、N₂、H₂S、O₂、CO₂、H₂和He，其具体包括以下步骤：

S1、采集MOF的结构参数和所述九种有机气体的扩散分离性能参数和分子物理性质参数，建立数据集；

S2、通过机器学习算法对扩散分离性能参数进行回归预测；

S3、评估不同的机器学习算法及其回归预测效果；

S4、根据评估结果对MOF进行筛选。

2.根据权利要求1所述的对九种有机气体的筛选方法，其特征在于，所述步骤S1中，所述MOF的结构参数包括材料的孔隙率、最大孔径、比表面积、亨利系数和吸附热和密度；所述扩散分离性能参数包括扩散性参数D和扩散选择性参数S_diff；所述分子物理性质参数包括分子的动力学直径、极化率、二极距、四极距动力学直径之差、极化率之差、四极矩之差和二极距之差。

3.根据权利要求2所述的对九种有机气体的筛选方法，其特征在于，所述扩散选择性参数S_diff的计算公式如下：

S_diff＝D_i/D_j

其中，D_i、D_j分别是所述九种有机气体的任意两种不同的混合气体的扩散速率。

4.根据权利要求1所述的对九种有机气体的筛选方法，其特征在于，所述步骤S2中，所述机器学习算法包括随机森林、梯度提升树、极端梯度提升树和轻量梯度提升树。

5.根据权利要求3所述的对九种有机气体的筛选方法，其特征在于，所述步骤S3中，所述评估不同机器学习算法的指标包括相关系数R²和均方根误差RMSE。

6.根据权利要求4所述的对九种有机气体的筛选方法，其特征在于，所述回归预测效果用于筛选预测精度最高的机器学习模型。