[发明专利]一种基于机器学习的气体分子电离碰撞截面预测方法

权利要求书

1.一种基于机器学习的气体分子电离碰撞截面预测方法，其特征在于，包括如下步骤：

步骤1，根据待预测的第一气体分子，选择比第一气体分子的原子数少的第二气体分子作为训练集气体分子，所述第二气体分子与第一气体分子所含元素种类相同；

步骤2，计算训练集气体分子电离碰撞截面；

步骤3，选择机器学习模型；

步骤4，在所述机器学习模型中建立f(X)＝y的映射关系，所述X为表征气体分子电离碰撞截面的特征向量，所述y为气体分子电离碰撞截面；

步骤5，根据所述特征向量和训练集气体分子电离碰撞截面训练机器学习模型；

步骤6，在所述机器模型中输入第一气体分子的特征向量，预测第一气体分子电离碰撞截面。

2.根据权利要求1所述的一种基于机器学习的气体分子电离碰撞截面预测方法，其特征在于，

步骤11，所述第二气体分子可通过构造方式获得，所述构造方式包括通过移除第一气体分子的至少一个组成原子来构造第二气体分子。

3.根据权利要求1所述的一种基于机器学习的气体分子电离碰撞截面预测方法，其特征在于，所述步骤2的具体过程包括：

步骤21，首先应用基于APF-D泛函的密度泛函理论方法对训练集气体分子的结构进行优化，得出优化训练集气体分子；

步骤22，应用APF-D/aug-cc-pvtz量子化学计算模型计算所述优化训练集气体分子的结合能和动能，所述结合能包括价层电子轨道结合能和非价层电子轨道结合能；

步骤23，应用电子传播子理论EPT方法对所述价层电子轨道结合能进行修正，得出修正价层电子轨道结合能；

步骤24，采用完备基组方法计算优化训练集分子的电离能；

步骤25，将所述修正价层电子轨道结合能、非价层电子轨道结合能、动能和电离能输入BEB模型计算训练集气体分子电离碰撞截面。

4.根据权利要求1所述的一种基于机器学习的气体分子电离碰撞截面预测方法，其特征在于，所述X包括入射电子能量和电子数，X和y的结构如下：

所述n为数据组数，所述x_n,1为第n组入射电子能量，所述x_n,2为第n组电子数，所述y_n为第n组气体分子电离碰撞截面值。

5.根据权利要求4所述的一种基于机器学习的气体分子电离碰撞截面计算方法，其特征在于，所述步骤4中入射电子能量的范围可选择10～5000eV，以对数等量增量的形式从10～5000eV中可选择500组数据，则X为500×2的矩阵，y为500×1的向量。

6.根据权利要求5所述的一种基于机器学习的气体分子电离碰撞截面预测方法，其特征在于，所述第n组气体分子电离碰撞截面值以10^-20m²为单位，所述第n组电子数乘上常数0.01。

7.根据权利要求6所述的一种基于机器学习的气体分子电离碰撞截面预测方法，其特征在于，所述机器学习模型包括支持向量机模型、神经网络模型、随机森林模型。

8.根据权利要求7所述的一种基于机器学习的气体分子电离碰撞截面预测方法，其特征在于，所述步骤3的具体过程包括：

步骤31，选择支持向量机模型；

步骤32，对支持向量机模型参数进行寻优，选择最优参数，所述支持向量机模型参数包括惩罚因子和核函数参数。