高储氢密度金属氢化物蓄热性能预测
杨宜坤1
吴震1
刘洪皓1
张早校2
1.西安交通大学化学工程与技术学院,陕西西安 7100492.西安交通大学化学工程与技术学院,陕西西安 710049;绿色氢电全国重点实验室,陕西西安 710049
摘要：金属氢化物材料具有储氢/热密度高,工作温度区间广,无污染无腐蚀性的优点,被认为是理想的储氢/热材料.金属氢化物储氢/热材料可以通过掺杂不同元素形成多元合金,以开发具有不同目标性能的材料.这种方法依赖实验合成,十分耗费时间和经济成本.数据驱动的机器学习性能预测模型可以解决这一问题,通过测试对比最小二乘回归、最小绝对收缩和选择操作符回归、岭回归、弹性网络回归、支持向量回归和随机森林回归多种回归算法,成功建立了金属氢化物微观材料性质与宏观形成能之间的关系.测试结果显示随机森林回归具有最好的预测性能,在训练集和测试集上相对误差均较小,仅为3.078和8.2011,且决定系数较高,具有良好的回归能力和泛化能力.SHAP分析中表明组成金属氢化物的基态原子体积的均值和最值具有高达5.56和1.26的SHAP值,这2个因素很大程度上决定了金属氢化物材料的形成能大小.对Mg基,Ca基,AB、AB2及AB5型金属氢化物材料预测结果分析显示预测相对误差均在9％以下,证明了模型准确性及普适性,可用于未知数据集的形成能预测.
关键词：太阳能热利用金属氢化物储氢储热机器学习性能对比
分类号：TK91(氢能及其利用)
资助基金：国家自然科学基金(52376208)国家自然科学基金(52176203)
论文发表日期：2024-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：13( 134-146 )
英文信息