基于机器学习的钴基费托催化剂性能探究

作者：黄梦圆; 刘冰; 刘小浩^*

来源：化工时刊, 2023, 37(05): 1-5.

DOI：10.16597/j.cnki.issn.1002-154x.2023.05.001

• 机器学习
• 费托合成反应
• 钴基催化剂

本研究使用机器学习方法对钴基费托合成催化剂相关文献数据进行分析,研究催化剂结构及反应条件对费托反应活性的影响。收集了近年钴基费托合成催化剂相关文献,对催化剂组成及其物理性质、制备条件、评价条件进行统计。基于机器学习方法,采用不同回归模型对数据进行分析。结果表明随机森林算法对数据的拟合程度最高,R2值达到0.984。特征重要性分析表明,催化剂中Co3O4颗粒直径对反应选择性影响最高。部分依赖图表明较小的Co3O4粒径有利于C2～C4的选择性,反之则有利于C5+产物的选择性。本研究为进一步理解钴基费托合成催化剂的结构与性能关系提供了理论依据。

• 单位
  化学与材料工程学院; 江南大学