近日，国际人工智能领域权威期刊《Engineering Applications of Artificial Intelligence》（2025年中科院一区，IF=8.0）发表了天津大学环境科学与工程学院刘庆岭教授与先进内燃动力中国竞彩网重点实验室尧命发教授团队在氮氧化物（NOx）减排智能催化领域的最新研究成果，论文题目为“Adaptive extreme learning framework for nitrogen oxide conversion prediction: a multi-scale approach”。该论文第一完成单位为天津大学环境科学与工程学院，童成峥为第一作者，刘庆岭，刘彩霞、尧命发教授为通讯作者。

近年来，人工智能已成为推动科学研究和学科交叉创新的重要动力。天津大学高度重视AI与环境、材料等优势学科的深度融合，持续加大资源投入，积极搭建多学科交叉平台，推动人工智能技术在前沿科学领域的应用。本项研究正是学校大力推进“AI+”战略、促进学科交叉创新的典型成果，展现了天津大学在智能催化等领域的引领作用。氮氧化物（NOx）排放治理是柴油发动机清洁化的核心难题。高效选择性催化还原（SCR）系统的开发长期受限于实验数据稀缺与多参数复杂耦合，传统机器学习方法在实际工程应用中面临泛化能力弱、计算资源消耗大等瓶颈。针对上述挑战，本文提出了自适应极限学习机（AELM）多尺度框架，首次将自动化文献文本挖掘与多输出回归、特征融合、温度自适应偏置等机制深度集成，实现了在小样本、强非线性条件下对催化剂性能的高精度预测。

该方法采用多输出回归结构，显式建模温度-转化率曲线，结合特征加权与动态采样机制，显著提升了模型对复杂参数关系与温度依赖的捕捉能力。AELM在稀缺研究样本（FER等沸石）上的NOx转化率预测准确率提升高达93.3%（以Fréchet距离衡量曲线相似性），同时预测速度较传统神经网络与随机森林等主流方法提升约87%，单次预测仅需0.2-0.3s。

该研究工作得到了国家重点研发计划（2022YFB3504102, 2022YFB3504100）、国家自然科学基金（No.22276133, No. 22076136）以及河北省重大科技成果转化专项资金（No. 2021004012A and No. 22281401Z）的资助。

（编辑 赵晖 应紫瑜）