1. 本选题研究的目的及意义
随着工业化的快速发展，二氧化碳排放量急剧增加，导致了一系列环境问题，例如全球变暖、气候变化等。
为了缓解这些问题，碳捕集与封存技术（CCS）应运而生，被认为是减缓温室效应、实现碳中和目标的重要途径之一。
本课题聚焦于新型多孔材料MTV-MOFs（MixedTrivalentMetal-OrganicFrameworks）在碳捕集领域的应用。
2. 本选题国内外研究状况综述
近年来，机器学习在材料科学领域的应用越来越广泛，特别是在材料性能预测方面取得了显著进展。
1. 国内研究现状
国内学者在机器学习预测材料性能方面已开展了大量研究工作，并取得了一系列成果。
3. 本选题研究的主要内容及写作提纲
本研究将以MTV-MOFs材料为研究对象，以碳捕集性能为预测目标，利用机器学习算法构建预测模型。
主要内容包括：
1.收集和整理MTV-MOFs材料的结构参数和碳捕集性能数据，建立数据库。
2.对数据进行预处理，包括数据清洗、特征提取、特征选择等。
4. 研究的方法与步骤
本研究将采用理论研究与实验验证相结合的方法。
1.数据收集与预处理:从文献、数据库中收集MTV-MOFs材料的结构参数和碳捕集性能数据，并进行数据清洗、特征提取、特征选择等预处理工作，构建可靠的数据库。
2.机器学习模型构建:选择合适的机器学习算法，例如支持向量机、随机森林、神经网络等，构建MTV-MOFs材料碳捕集性能预测模型。
5. 研究的创新点
1.首次将机器学习算法应用于MTV-MOFs材料碳捕集性能预测，为高效筛选和设计具有优异碳捕集性能的MTV-MOFs材料提供新的思路和方法。
2.构建了基于机器学习的MTV-MOFs材料碳捕集性能预测模型，实现了对MTV-MOFs材料碳捕集性能的快速、准确预测。
3.探究了MTV-MOFs材料结构特征与其碳捕集性能之间的构效关系，为MTV-MOFs材料的设计提供了理论指导。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
1.李忠涛, 孙盼盼, 王志, 等. 金属有机骨架材料在碳捕集中的应用[J]. 无机材料学报, 2021, 36(1): 1-18.
2.张雷, 薛莉. 机器学习在材料科学中的应用[J]. 材料导报, 2019, 33(1): 146-154.
3.王丹, 刘洪波, 孙立成. 金属-有机骨架材料用于气体吸附分离的研究进展[J]. 化学进展, 2018, 30(10): 1513-1523.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
