Cr(VI) Kinetics Prediction Platform

Prediction input

反应条件

材料体系

Material name *

核心条件

初始 Cr(VI) *

mg/L

材料投加量 *

g/L

初始 pH

反应温度

°C

补充条件

溶解氧

mg/L

BET

m²/g

搅拌速率

rpm

评价时间

min

Model ready

等待预测

— 训练记录

— 交叉验证 R²

— 材料亚类

— / —

动力学预测结果

— —

预测速率常数 k — min⁻¹

log₁₀(k) —

半衰期 —

目标时点去除率 —

80% 经验预测区间 —

95% 经验预测区间 —

模型间标准差 —

Cr(VI) 浓度衰减

伪一级动力学换算

剩余比例 / %

基模型一致性

四个模型的 log₁₀(k) 预测

log₁₀(k)

局部模型响应

当前输入相对训练中位值的预测变化

Δ log₁₀(k)

该结果反映模型局部响应，不代表因果效应。

适用域诊断

训练分布覆盖与材料样本量

—

材料组合记录数: —
未填写补充条件: —

预测区间来自五折交叉验证残差的总体分位数；输出用于科研筛选与条件比较，不替代目标体系的动力学实验。

Batch prediction

批量预测

输入数据

0 条记录

预测结果

—

Database & model

数据库与模型

冻结 2430 数据集 - 2026-07-27

训练记录 —

输入描述符 —

文献组数 —

交叉验证 R² —

中位倍数误差 —

目标变量分布

2,430 条记录的 log₁₀(k)

记录数

全局 SHAP 重要性

基于 2,430 条数据的 LightGBM 解释结果

相对重要性

集成构成

PositiveLinear 四基模型堆叠

验证表现

随机五折交叉验证，预测尺度为 log₁₀(k)

输入变量与训练分布

范围用于覆盖度说明，不作为推荐运行条件

变量	单位	缺失率	P05	中位数	P95	全范围

建模流程

冻结 2430 数据集 · 29 个输入描述符 · 正线性集成

数据标准化 k 统一为 min⁻¹，浓度、投加量、温度、BET 与搅拌速率使用固定单位。
折内预处理 数值缺失在训练折内处理，材料家族采用原生类别或独热编码。
基模型训练 Extra Trees、LightGBM、Random Forest 与 XGBoost。
加权集成 依据交叉验证表现求解非负权重，并输出总体残差分位数区间。