人工智能助力臭氧催化剂SrFexZr1-xO3的开发

将人工智能应用于催化臭氧氧化催化剂SrFexZr1-xO3的开发过程,采用共沉淀法制备了50种不同配方的催化剂,考察聚乙二醇(PEG)投加量、煅烧时间、老化时间、氨水投加量和铁掺杂量对SrFexZr1-xO3催化剂催化臭氧降解间甲酚反应活性的影响.同时,利用人工神经网络(ANN)和响应面(RSM)对催化剂合成条件与TOC去除率和间甲酚转化率的关系进行拟合,训练集中ANN的R2值分别为0.91和0.97,高于RSM的R2值0.35和0.41;在4组测试集上ANN的均方误差(MSE)分别为9.87和17.67,远小于RSM的23.89和28.87.结果表明,ANN模型对催化剂制备过程的复杂体系具有更好的拟合和泛化能力.在ANN训练好的模型中通过枚举法寻找最优合成条件为:PEG投加量为19.00％,煅烧时间为1.25 h,老化时间为26.50 h,氨水投加量为6.21 mL,铁掺杂量为3.37％,所得催化剂为SrFe0.13Zr0.87O3-B.最佳反应条件下,间甲酚转化率和TOC去除率分别达到98.52％和17.21％,优于空白组的73.46％和1.86％.