探索使用深层性溶剂的甲类来源的素的纯度:一种机器学习方法

科学领域:

• 生物材料科学 生物材料科学
• 聚合物化学 聚合物化学
• 机器学习应用 机器学习应用

背景情况:

• 奇是一种天然聚合物,在类的中丰富,对生物医学应用有价值.
• 目前的基回收方法在实现高纯度和产量方面面临挑战.
• 深度环氧溶剂为提取基提供了一种环保的方法.

研究的目的:

• 开发一种新且强大的方法来研究甲类贝废物的素纯度.
• 为了确定使用深溶性溶剂获得纯基的关键影响参数.
• 应用机器学习来建模和预测素纯度.

主要方法:

• 使用深层欧性溶剂从甲动物中提取基.
• 采用机器学习算法,根据实验数据建模素纯度.
• 选择输入变量来预测素纯度作为输出.

主要成果:

• 机器学习模型XGBoost表现出最高的预测精度 (0.95).
• XGBoost实现了最小的根平均平方误差 (RMSE) 和平均绝对误差 (MAE).
• 确定了用于减少处理时间的纯基生产的最佳输入变量.

结论:

• 机器学习为复杂的基纯度分析提供了有效的解决方案.
• 这种方法为提取基提供了一种具有成本效益和节省时间的方法.
• 验证了机器学习在优化天然聚合物回收方面的实用性.