机器学习技术在木质素碳量子点性能预测中的应用.docxVIP

机器学习技术在木质素碳量子点性能预测中的应用

目录

内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.1.1木质素资源的应用前景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.1.2碳量子点的特性与研究进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

1.1.3性能预测的重要性和挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

1.2.1木质素碳量子点的制备方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

1.2.2碳量子点性能表征手段．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

1.2.3传统性能预测方法的局限性．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

1.3研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

1.3.1明确研究目的．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

1.3.2梳理研究内容框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

木质素碳量子点制备与性能表征．．．．．．．．．．．．．．．．．．．．．．．．．．．27

2.1木质素碳量子点的制备方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

2.1.1溶剂热法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

2.1.2微波辅助法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

2.1.3其他制备途径．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

2.2碳量子点的结构与形貌表征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

2.2.1紫外可见光谱分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

2.2.2高分辨率透射电镜观察．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

2.2.3X射线光电子能谱分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

2.3碳量子点的光学与电学性能测试．．．．．．．．．．．．．．．．．．．．．．．．．．48

2.3.1光致发光性能研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50

2.3.2电导率与稳定性考察．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

2.3.3其他相关性能指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53

机器学习算法基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54

3.1机器学习概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．56

3.1.1机器学习的定义与发展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．60

3.1.2机器学习在材料科学中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．61

3.2常用机器学习算法介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．63

3.2.1线性回归算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．67

3.2.2支持向量机算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．70

3.2.3决策树与随机森林算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．73

3.2.4神经网络算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．75

3.3机器学习建模流程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．76

3.3.1数据收集与预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．79

3.3.2特征选择与提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．80

3.3.3模型训练与评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．