催化问题是化工生产最重要的问题之一。百分之九十以上的化工生产都要催化剂。催化剂的研制往往是一个化工流程成败的关键。催化现象很复杂，广泛应用的多相催化尤其如此，从分子水平看，催化剂表面的原子排列和电子结构是催化作用的基础。由于催化剂成分常常很复杂，多为复相，表面结构和成分既无法或很难查明，更不能用“原子级加工”来控制表面结构。而催化剂的活性中心往往由局部表面结构决定。另一方面，催化剂表面结构和反应机理的关系是很难彻底查清的事，宏观的化学反应还涉及传热、传质和流体流动问题，这又与催化剂的显微结构有关；催化剂的制备方法、条件和显微结构有着复杂的联系……所有这一切都决定着催化剂研究的复杂性。近年来，由于计算量子化学和表面分析技术的长足进展，为我们提供了有关催化剂的大量信息，为从更深入的理论上解决催化剂问题开启了一丝曙光，但真正用量子化学和表面分析技术彻底弄清和掌握催化剂问题还很遥远。在这种条件下，自然给模式识别方法的应用提供了一个机会。例如，乙炔与氯化氢合成是基本有机合成的重要反应之一。用氯化物所含金属的电荷—半径比和电负性为纵坐标、横坐标作图，二十余种氯化物的催化活性在图上呈规律性分布。又如，在一氧化碳氧化催化剂的研究中，取26种金属氧化物的催化数据，用22种参数构筑高维空间，并对高活性和低活性的氧化物催化剂进行模式识别分类，取得规律后再对另外的15种氧化物的催化活性进行预报，预报结果与实验测定大致符合。

应用模式识别方法配合催化剂实验研究，可在催化剂成分筛选、助剂选择、载体制备、催化反应条件选定等方面发挥重要的作用，可从实验数据中更有效地提取信息，看出趋势，使研究工作收到事半功倍之效。