综述：氧化锌光催化在污染物降解中的应用：综述了元素掺杂、形貌及微观结构对催化性能的影响，并结合机器学习方法进行了性能建模

ZnO纳米粒子作为高效光催化材料，其形态、结构及掺杂元素对降解有机污染物性能的影响被系统综述。重点指出岩盐相ZnO的催化活性优于纤锌矿相ZnO及锐钛矿相TiO?。同时基于1176组实验数据，开发出包含耦合模拟退火-支持向量机、随机森林-粒子群优化等算法的预测模型，首次实现基于极端梯度提升-粒子群优化算法的在线光催化效率预测平台。

　　

摘要

ZnO纳米颗粒是有效的光催化剂，可用于降解有机污染物；然而，关于其形态、微观结构、掺杂元素以及光催化性能评估的影响，目前仍存在知识空白。因此，本文首先回顾了形态、微观结构和元素掺杂的影响。值得注意的是，ZnO的微观结构是其光催化性能的重要影响因素。其中，纤锌矿相（ZnO最稳定的相）已被广泛应用于光催化领域。然而，亚稳态的岩盐相ZnO可能表现出比纤锌矿相ZnO和锐钛矿相TiO₂更高的光催化活性。除了文献综述外，还采用了多种强大的机器学习算法（包括耦合模拟退火-最小二乘支持向量机、决策树-粒子群优化、随机森林-粒子群优化和极端梯度提升-粒子群优化）来预测各种污染物的光降解效率。这些预测基于多种参数，包括污染物的分子量和掺杂剂、拓扑极性表面积、氢键供体数量、氢键受体数量、污染物初始浓度、溶液pH值、光源、掺杂元素与Zn的重量比、催化剂用量以及反应时间等。研究共收集了来自22个不同来源的1176条数据记录。据我们所知，这是光催化领域首次使用Python开发基于极端梯度提升-粒子群优化方法的在线模型，该模型可方便地在线使用，用于预测基于ZnO的光催化剂对各种污染物的光降解效率。