.png){kind=icon}
.png){kind=icon}
返回
A method for optimizing catalyst preparation conditions based on machine learning and genetic algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.mcat.2026.116334.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种RF-GA耦合智能框架，用于优化Mn-Ca/γ-Al₂O₃催化剂以进行二甲苯催化氧化。
• 随机森林在测试集上达到卓越的预测性能，污染物去除效率的R² = 0.949。
• SHAP分析表明，Ca/Mn摩尔比（43.94%）和煅烧温度（21.96%）是主要影响因素。
• 遗传算法全局搜索避免了传统实验的局部最优，获得最优制备参数：5.4%负载量，Ca:Mn = 1:4，423 °C，3.75 h。
• 优化后的催化剂达到93.7%的二甲苯去除率，高于单因素局部最优条件下的91.2%。
该数据驱动策略为非贵金属异相催化剂开发提供了低碳可再用的范式。
Keyword:
Catalyst optimization
Machine learning
Multiphase catalytic technology
期刊
IF:
4.9
论文数:
5.5K
被引数:
1.5W