非化学实验方法预测层状双金属氧化物层间距大小模式的方法
阅读说明：本技术 非化学实验方法预测层状双金属氧化物层间距大小模式的方法 (Method for predicting interlayer spacing size mode of layered bimetal oxide by non-chemical experimental method ) 是由 刘太行 刘振昌 刘太昂 周晶晶 周央 吴治富 朱峰 刘婷婷 朱鲁阳 刘远 于 2021-09-17 设计创作，主要内容包括：本发明的目的就是为了克服化学方法检测层状双金属氧化物层间距大小模式存在的缺陷,而提供一种低成本、无污染、测试简单、简便快捷的非化学实验方法预测层状双金属氧化物层间距大小模式的方法。整个过程如下：以原子参数为自变量,以层间距大小模式为因变量,构成基础数据；对基础数据中的原子参数数据进行组合转换,得到的综合变量,综合变量和层间距大小模式构成了中间数据；基于中间数据,利用人工神经网络算法建立层状双金属氧化物层间距大小模式的快速识别模型,该模型可以预测新的层状双金属氧化物层间距大小模式。(The invention aims to overcome the defects of the mode of detecting the interlayer spacing of the layered bimetal oxide by a chemical method, and provides a method for predicting the mode of the interlayer spacing of the layered bimetal oxide by a non-chemical experimental method, which has the advantages of low cost, no pollution, simple test, convenience and quickness. The whole process is as follows: forming basic data by taking the atom parameters as independent variables and taking the interlayer spacing size mode as dependent variables; atom parameter data in the basic data are subjected to combined conversion to obtain comprehensive variables, and the comprehensive variables and the interlayer spacing size mode form intermediate data; based on the intermediate data, a rapid identification model of the size mode of the interlayer distance of the layered bimetal oxide is established by utilizing an artificial neural network algorithm, and the model can predict a new size mode of the interlayer distance of the layered bimetal oxide.)
技术领域
本发明涉及无机材料测试技术领域，尤其是涉及非化学实验方法预测层状双金属氧化物层间距大小模式的方法。
背景技术
层状双金属氢氧化物（Layered Double Hydroxides, LDHs）是典型的阴离子粘土，又被成为类水滑石化合物，是指一类由两种或两种以上金属元素组成的具有水滑石层状晶体结构的氢氧化物。作为一类特殊结构和功能的主客体化合物，LDHs近几年来成为无机功能材料领域关注的焦点。
LDHs是一类通式为M2+ 1-xM3+ x(OH)2(An-)n/x∙ mH2O的层状新型功能无机材料。其中：
（1） M2+、M3+分别表示位于层板上的二价、三价金属阳离子
（2） 结构式中的x = M3+/(M2++M3+)，x值大小会直接影响到产物的组成和结构
（3） An-为层间阴离子
（4） m表示层间游离水的摩尔数
层状双金属氢氧化物的结构示意图如图1所示。LDHs层间距的通式为：
dspacing = dlayer + dinter
其中dlayer代表层板间距，dinter代表层间通道高度。一般来说，LDHs层间距大于7.7为大层间距模式，小于7.7的为小层间距模式。目前LDHs化合物层间距的大小可以通过X射线衍射仪（XRD）测量得到，但通过X射线衍射仪测量层状双金属氧化物层间距需要过长的分析周期，而且分析过程复杂。由于这些缺点的限制，越来越多的科技工作者研究开发快速的、费化学方法预报层状双金属氧化物层间距的大小模式。
人工神经网络是模拟生物神经网络信息处理机制的一种信息处理系统，特别适用于处理输入和输出关系复杂的非线性数据，是从化学化工生产、实验数据中总结规律的一种有效手段。本专利不做化学实验，利用微观的原子参数结合人工神经网络算法测定层状双金属氧化物层间距大小模式。本发明方法的优势是不用化学实验、快速便捷、成本低。
发明内容
本发明的目的就是为了克服化学方法检测层状双金属氧化物层间距大小模式存在的缺陷，而提供一种低成本、无污染、测试简单、简便快捷的非化学实验方法预测层状双金属氧化物层间距大小模式的方法。
本发明的目的可以通过以下技术方案来实现：
非化学实验方法预测层状双金属氧化物层间距大小模式的方法，包括以下步骤：
1）收集若干个层状双金属氢氧化物及其层间距数据，根据其数值将层间距大于7.7定义为大层间距模式，将层间距小于7.7定义为小层间距模式，结合元素周期表收集层状双金属氢氧化物中金属原子的原子参数，以这些原子参数为自变量，以层间距大小模式为因变量，构成基础数据；
2）对基础数据中的原子参数数据进行组合转换，得到的综合变量，这些综合变量是原子数据的线性组合，综合变量和层间距大小模式构成了中间数据；
3）基于中间数据，利用人工神经网络算法建立层状双金属氧化物层间距大小模式的快速识别模型；
4）收集新的层状双金属氧化物，查找得到其原子参数，将这些参数代入组合转换方程，计算出其中间数据，将这些中间数据代入建立好的层状双金属氧化物层间距大小模式的快速识别模型，预报出这些新的层状双金属氧化物的层间距是大模式，或者是小模式。
与现有技术相比，本发明具有以下优点：
一、层状双金属氧化物层间距大小模式方法简单、快捷：利用元素周期表得到原子参数需要几分钟，把得到的原子参数导入建立的模型，不需要几秒钟就可以计算出结果，方便、快捷，仅需一人即可完成。
二、低成本：本发明利用原子参数-人工神经网络预报层状双金属氧化物层间距大小模式，相比于传统的X射线衍射仪测量，不需要购买仪器，操作简单，成本低。
三、不污染环境：本发明在整个过程中不用到化学药品，对环境没有污染。
附图说明
图1为层状双金属氧化物结构图。
图2为人工神经网络网络示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
本发明非化学实验方法预测层状双金属氧化物层间距大小模式的方法，包括如下步骤：
（1）收集33个层状双金属氢氧化物及其层间距数据，根据其数值将层间距大于7.7定义为大层间距模式，将层间距小于7.7定义为小层间距模式，结合元素周期表收集层状双金属氢氧化物中金属原子的原子参数，以这些原子参数为自变量，以层间距因变量，形成基础数据。部分示例数据如表1所示；
表1 层状双金属氧化物层间距和原子参数
<i>序号</i>
<i>Molecular formula</i>
<i>大小模式</i>
<i>n</i><sub><i>a</i></sub>
<i>n</i><sub><i>b</i></sub>
<i>z</i><sub><i>z</i></sub><i>/r</i><sub><i>z</i></sub>
<i>r</i><sub><i>a</i></sub><i>/r</i><sub><i>b</i></sub>
1
Mg<sub>0.63</sub>Al<sub>0.37</sub>(OH)<sub>2</sub>(CO<sub>3</sub>)<sub>0.19 </sub>∙ 0.62H<sub>2</sub>O
小
0.63
0.37
1.08
1.33
2
Mg<sub>0.67</sub>Al<sub>0.33</sub>(OH)<sub>2</sub>(CO<sub>3</sub>)<sub>0.17 </sub>∙ 0.52H<sub>2</sub>O
小
0.67
0.33
1.08
1.33
3
Mg<sub>0.75</sub>Al<sub>0.25</sub>(OH)<sub>2</sub>(CO<sub>3</sub>)<sub>0.13 </sub>∙ 0.56H<sub>2</sub>O
大
0.75
0.25
1.08
1.33
4
Mg<sub>0.80</sub>Al<sub>0.20</sub>(OH)<sub>2</sub>(CO<sub>3</sub>)<sub>0.10 </sub>∙ 0.48H<sub>2</sub>O
大
0.80
0.20
1.08
1.33
5
Co<sub>0.63</sub>Al<sub>0.37</sub>(OH)<sub>2</sub>(CO<sub>3</sub>)<sub>0.19 </sub>∙ 0.80H<sub>2</sub>O
小
0.63
0.37
1.08
1.20
6
Co<sub>0.67</sub>Al<sub>0.33</sub>(OH)<sub>2</sub>(CO<sub>3</sub>)<sub>0.17 </sub>∙ 0.68H<sub>2</sub>O
小
0.67
0.33
1.08
1.20
7
Co<sub>0.75</sub>Al<sub>0.25</sub>(OH)<sub>2</sub>(CO<sub>3</sub>)<sub>0.13 </sub>∙ 0.71H<sub>2</sub>O
小
0.75
0.25
1.08
1.20
8
Co<sub>0.80</sub>Al<sub>0.20</sub>(OH)<sub>2</sub>(CO<sub>3</sub>)<sub>0.10 </sub>∙ 0.60H<sub>2</sub>O
小
0.80
0.20
1.08
1.20
9
Mg<sub>0.75</sub>A1<sub>0.25</sub>(OH)<sub>2</sub>(C0<sub>3</sub>)<sub>0.13 </sub>∙ 0.5H<sub>2</sub>0
小
0.75
0.25
1.08
1.33
10
Mg<sub>0.75</sub>Al<sub>0.25</sub>(OH)<sub>2</sub>(NO<sub>3</sub>)<sub>0.25 </sub>∙ 0.64H<sub>2</sub>O
大
0.75
0.25
0.53
1.33
11
Ni<sub>0.75</sub>Al<sub>0.25</sub>(OH)<sub>2</sub>(CO<sub>3</sub>)<sub>0.13 </sub>∙ 0.49H<sub>2</sub>O
大
0.75
0.25
1.08
1.28
原子参考包括：二价金属元素的原子数、三价金属元素的原子数、插层阴离子的价电子数与热化学半径之比、二价金属元素与三价金属元素离子半径的比值等。 n a： 二价金属元素的原子数 ；nb：三价金属元素的原子数；zz/rz：插层阴离子的价电子数与热化学半径之比；ra/rb：二价金属元素与三价金属元素离子半径的比值。
（2）对原子数据进行组合转换，得到的综合变量，这些综合变量是原子数据的线性组合，综合变量和层间距构成了中间数据。组合转换方程如下：
Y1= +3.034[na]-3.328[nb]-3.159[zz/rz]+5.329[ra/rb]-4.945
Y2= -3.839[na]-4.321[nb]-2.331[zz/rz]-6.884[ra/rb]+14.891
Y3= -6.894[na]-11.039[nb]-0.217[zz/rz]-0.215[ra/rb]+8.605
Y4= -18.703[na]-13.466[nb]-1.508[zz/rz]+3.892[ra/rb]+13.625
组合转换后数据如表2所示。
表2 组合转换后数据
Y<sub>1</sub>
Y<sub>2</sub>
Y<sub>3</sub>
Y<sub>4</sub>
-0.59
-0.80
-0.34
0.41
-0.33
-0.78
-0.18
0.20
0.17
-0.74
0.15
-0.22
0.49
-0.72
0.36
-0.48
-1.28
0.10
-0.32
-0.10
-1.03
0.11
-0.15
-0.31
-0.52
0.15
0.18
-0.73
-0.20
0.18
0.39
-0.99
0.17
-0.74
0.15
-0.22
1.91
0.54
0.27
0.61
-0.09
-0.40
0.17
-0.42
（3）基于中间数据，利用人工神经网络算法建立层状双金属氧化物层间距大小模式的快速识别模型，人工神经网络输入层节点数4，隐蔽层节点数3，输出层节点数1。
（4）收集4个新的层状双金属氧化物，查找得到其原子参数，将这些参数代入组合转换方程，计算出其中间数据，将这些中间数据代入建立层状双金属氧化物层间距大小模式的快速识别模型，预报出这些新的层状双金属氧化物的层间距是大模式，或者是小模式。四个新的层状双金属氧化物，其原子参数如表3所示。
表3 新的预测数据原子参数
n<sub>a</sub>
n<sub>b</sub>
z<sub>z</sub>/r<sub>z</sub>
r<sub>a</sub>/r<sub>b</sub>
0.63
0.37
1.08
1.33
0.67
0.33
0.55
1.37
0.67
0.33
0.55
1.18
0.75
0.25
1.08
1.26
实施例1：以中间数据为自变量，以层间距大小模式为目标变量，利用人工神经网络建立33个层状双金属氧化物层间距大小模式的识别模型，其模型准确率如表4所示。
表4 建模结果
实施例2：33个层状双金属氧化物层间距大小模式的识别模型的留一法结果，如表5所示。留一法交叉验证是假设有N个样本，将每一个样本作为测试样本，其它N-1个样本作为训练样本。这样得到N个分类器，N个测试结果。用这N个结果的平均值来衡量模型的性能。
表5 留一法结果
实施例3：对4个新层状双金属氧化物层间距大小模式的预报结果。将4个层状双金属氧化物原子参数代入组合转换方程，得到个新的层状双金属氧化物的中间数据，将中间数据代入人工神经网络模型，预报4个新层状双金属氧化物层间距大小模式。其中间数据和预报结果如表6所示。
表6 预报样本的中间数据
序号
n<sub>a</sub>
n<sub>b</sub>
z<sub>z</sub>/r<sub>z</sub>
r<sub>a</sub>/r<sub>b</sub>
预报结果
1
-0.59
-0.80
-0.34
0.41
小模式
2
1.55
0.18
-0.07
1.15
大模式
3
0.54
1.49
-0.03
0.41
大模式
4
-0.20
-0.26
0.17
-0.49
小模式