热点事件历史事件
ReaxFF MD结合可解释机器学习预测煤热解产物分布
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
2026年11月16日,Elsevier期刊Energy刊发一项研究,将ReaxFF反应分子动力学与可解释机器学习耦合,对161个不同煤阶的煤大分子模型的热解模拟数据进行建模,用于预测热解产物分布,包括半焦、轻质焦油、重质焦油、热解气和热解水的质量分数。研究结果显示,半焦、热解气和重质焦油对应的最优模型分别为GBR、PLS和XGBoost,其测试集R²分别达到0.9920、0.9977和0.8909,表明模型具有较好的预测能力。进一步通过SHAP方法进行可解释性分析,揭示了煤结构特征与热解产物之间的关联:O-linked methylene与重质焦油生成正相关,而H/C比是热解气预测模型中的首要结构特征。该研究为从煤分子结构层面理解和预测热解产物分布提供了数据驱动的方法,目前事件即为该成果的发表,尚无后续进展报道。
AI 根据报道生成 · 4 天前更新
最新进展11月16日 20:16
Energy期刊发表研究,用可解释机器学习结合ReaxFF MD预测煤热解五类产物分布并解析结构—产物关系。报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- Energy(Elsevier 期刊)可解释机器学习预测煤热解焦油与气体分布并解析结构—产物关系
研究将ReaxFF反应分子动力学与可解释机器学习耦合,对161个不同煤阶的煤大分子模型热解模拟数据建模,分别预测半焦、轻质焦油、重质焦油、热解气和热解水的质量分数。半焦、热解气和重质焦油的最优模型GBR、PLS、XGBoost测试集R²分别为0.9920、0.9977和0.8909。SHAP分析显示O-linked methylene与重质焦油正相关,H/C比是热解气模型的首要结构特征。
本事件热度走势
当前热度 3·可比范围峰值 10(11月16日 21:00)·近 24 小时可比范围变化 -50%
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。