基于機器學習的改性麥糟吸附重金屬構(gòu)效關(guān)系模型研究.pdf

1、隨著現(xiàn)代工業(yè)的快速發(fā)展，含有重金屬離子的廢水的排放量急劇增加，致使地表水污染嚴重。傳統(tǒng)的重金屬廢水處理方法已經(jīng)不能夠兼顧經(jīng)濟效益和實際效果，所以近年來研究者將研究目光轉(zhuǎn)向了生物材料（如麥糟）在重金屬廢水處理上的應(yīng)用，因為它們與金屬離子具有天然的親和力，可以利用它們自身含有的官能團或通過化學反應(yīng)引入特定的基團（即改性的方法），去吸附重金屬離子，達到廢水凈化之目的。
　　定量構(gòu)效關(guān)系是用機器學習方法，如偏最小二乘法（PLS）、支持向量

2、回歸機（SVR）等，建立數(shù)學模型來描述生物材料分子結(jié)構(gòu)與分子某種生物活性之間的關(guān)系，并利用模型去實現(xiàn)對其活性的預(yù)測，以及從描述符的角度對機理做出解釋。
　　改性麥糟的分子結(jié)構(gòu)與其各種物理化學性質(zhì)以及生物活性之間的關(guān)系是錯綜復(fù)雜的，二者間可能存在線性關(guān)系，也可能存在非線性關(guān)系。針對這種情況，本文通過特征選擇和特征提取這兩種不同的方法進行討論，前者是基于不同的篩選策略和評價機制，后者基于不同空間的轉(zhuǎn)換，最終都達到從高維空間到低維空間轉(zhuǎn)

3、換的目的。
　　本文的主要工作主要有以下幾點：
　　1、本文屬于跨學科綜合課題探索研究，需要實現(xiàn)從環(huán)境化學角度到機器學習領(lǐng)域的轉(zhuǎn)換，通過機器學習的方法對數(shù)據(jù)集進行挖掘和處理。
　　2、在改性麥糟實驗中引入機器學習，對現(xiàn)有實驗數(shù)據(jù)進行建模仿真和預(yù)測，在面對實驗數(shù)據(jù)不完善的情況，用矩陣補全（MC）的方法成功對數(shù)據(jù)適量擴展，并且得到實際實驗驗證。
　　3、特征提取過程中，引入基于指數(shù)加權(quán)的K鄰域均值方法實現(xiàn)對流形學習中