[发明专利]一种基于神经网络的分子筛X射线衍射图谱峰位置的预测方法

权利要求书

1.一种基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，包括以下步骤：

S1、获取原始样本数据，构建原始数据集，所述样本数据包括分子筛实验操作工况数据及XRD表征数据；

S2、对分子筛的原始数据集进行筛查，剔除异常数据得到筛选后的数据集；

S3、在筛选后的数据集中，对不同操作工况条件下的输入数据进行整理，遍历整个数据集，得到具有唯一性的操作工况及对应的表征图谱；

S4、根据峰提取的阈值，提取XRD表征图谱中的峰位置信息；

S5、将不同操作工况条件的输入数据和输出数据的峰位置进行对齐，构造用于模型训练的结构化数据，并将整个数据集划分为训练集和验证集；

S6、建立并训练神经网络模型，得到两个预测模型进行产物的XRD峰的预测，所述神经网络模型为六层全连接神经，所述预测模型包括第一模型和第二模型，第一模型用于预测峰位置，第二模型用于判断对应输出位置是否为峰位置。

2.根据权利要求1所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S1中：

所述分子筛实验操作工况数据，包含分子筛合成的原料种类和含量，以及整个反应温度、反应时间和搅拌数据；

所述分子筛XRD表征数据，包括XRD衍射仪扫描范围内的扫过角度及其对应强度所生成的对应二维数据。

3.根据权利要求2所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S1中：

所述分子筛实验操作工况数据和分子筛XRD表征数据一一配对，丢弃缺少其中一项的样本数据。

4.根据权利要求1所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S2中，进一步包括以下步骤：

S21、剔除因为反应仪器异常造成温度或压力偏离设定值的样本数据；

S22、剔除XRD表征图谱表现为大且宽的峰对应的无定形的分子筛样本数据。

5.根据权利要求1所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S3中的唯一性的操作工况及对应的表征图谱，是指一个操作工况条件对应一个XRD表征图谱。

6.根据权利要求5所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S3，进一步包括以下步骤：

S31、对整个筛选后的数据集进行遍历，比较不同样本数据的操作工况条件是否一致，如果一致则将样本数据聚为一类；

S32、遍历所有包含多个样本的类别，如果同一类中的XRD表征图谱一致，采取多个图谱取平均的方法作为该类样本数据所对应的表征图谱，如果同一类的XRD表征图谱有差异，随机挑取其中一个作为该类样本数据所对应的表征图谱。

7.根据权利要求1所述的基于神经网络的分子筛X射线衍射图谱峰位置的预测方法，其特征在于，所述步骤S4，进一步包括以下步骤：

S41、对XRD表征图谱采用高斯滤波进行平滑，消除XRD表征图谱的峰中的细小毛刺噪声；

S42、搜寻整个XRD表征图谱中的极大值点，作为峰位置的初步数据；

S43、遍历峰位置的初步数据，剔除掉峰所在位置强度值小于最大峰强度阈值的峰。