数据集概述
本数据集基于SAPNet方法构建，包含TiO2基纳米光催化剂降解苯酚（τOH）的预测模型及相关数据。通过逻辑回归模型关联398nm光致发光强度与光催化性能，涉及纳米材料结构、表面面积、氮碳原子量等影响因素，支持光催化材料性能预测研究。
文件详解
- 文件名称：01_MODEL_SAPNets_phenol_QMRF.docx
- 文件格式：DOCX
- 字段映射介绍：包含基于SAPNet方法开发的苯酚光降解预测模型文档，可能涵盖模型构建方法、逻辑回归方程（4.32(±2.10) – 0.051(±0.03)(PL398)）及模型相关说明。
- 文件名称：01_MODEL_SAPNets_phenol_DatasetReport.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含光催化实验相关数据，涉及纳米材料的表面面积、氮碳原子量、离子液体分解率（ΔIL）、摩尔比、阴阳离子类型等特征，以及398nm光致发光强度、苯酚降解性能（τOH）等关键指标。
适用场景
- 光催化材料性能预测: 利用逻辑回归模型预测TiO2基纳米光催化剂的苯酚降解效率，指导高性能光催化材料设计。
- 纳米材料结构-性能关联分析: 探究表面面积、离子液体等结构特征对光致发光强度及光催化性能的影响机制。
- 光催化实验数据整合: 为光催化研究提供标准化的TiO2基材料性能数据，支持实验结果验证与对比。
- 环境污染物降解研究: 基于模型数据优化光催化工艺，提升苯酚类有机污染物的降解效率。
