基于机器学习算法的稀土元素掺杂TiO2光催化活性分析

机器学习是人工智能及机器学习领域的共同研究热点,其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题.在化学领域,稀土金属掺杂二氧化钛光催化剂提高光催化活性的研究已有大量研究,但掺杂机理一直存在争论,基于第一性原理的算法复杂且存在误差.为了探索能够不需要化学结构数学模型,以元素电子结构等基础数据为先验知识,通过计算机算法准确预测光催化剂活性,采用线性回归、高斯过程回归、支持向量机回归、K-最近邻法对稀土TiO2光电性质进行预测研究,并通过实验验证基于逐步回归分析的关键因素分析的有效性与基于关键因素的k-NN回归模型的优势.结果表明,使用逐步回归分析得到的关键特征所得的预测性能更好.对比不同的回归方法的预测性能可知,k-NN的预测性能最好.