交互柱法研究固定相极性参数对饱和醇QSRR建模的影响

运用chemoffice2004对25个饱和醇的分子结构进行优化,通过Dragon6.0获得1 897个分子结构参数值,再用逐步回归、最佳子集等方法筛选出Chi_H2,REIG等参数,运用多元线性回归(MLR)方法构建了饱和醇在6个不同极性色谱固定相上的定量结构-色谱保留相关关系(QSRR)模型,相关系数R达到0.98以上.在此基础上建立交互柱QSRR模型,考察色谱固定相极性参数(麦克雷诺常数M_p)对饱和醇保留指数的影响.研究结果表明:包含固定相极性参数M_p的交互柱QSRR模型方程对饱和醇在不同极性色谱柱上的色谱保留指数都能得到较准确的预测结果.     

饱和醇在不同固定相上的气相色谱保留行为与结构的相关性

应用nT指数及结构参数P与饱和醇在6种不同固定相上的气相色谱保留指数I进行关联,用多元线性回归方法建立了相应的定量结构-色谱保留模型,它们的相关系数均大于0.99,估算值与实验值很好吻合,并用Jackknife方法对模型的稳健性进行了检验.结果表明,所建QSRR模型相关性高,稳定性好,预测能力强.     

脂肪醇气相色谱保留指数与结构的相关性

根据分子拓扑理论,采用了2个拓扑指数.将这2个拓扑指数用于脂肪醇定量结构-保留关系的研究,发现它们与25种脂肪醇在6种固定相上的气相色谱保留指数存在优良的相关性,表明2个拓扑指数能较好地反映化合物的结构特征.由此得到了新的定量结构-保留关系模型,并建立了6个线性方程,相关系数均高于0.98,在固定相SE-30上的平均相对偏差仅为1.30%.这些方程可用于脂肪醇气相色谱保留指数的预测.     

醇类异构体气相色谱保留指数的预测

将分子连通指数X进行修正得到Xc，使拓扑指数的结构选择性大大提高，与醇类异构体的气相色谱保留指数IR存在良好的线性关系，对C9－C14醇类异构体在PEG－1500，PEG－20M和OV－101三种色谱柱上的IR进行预测，预测值与文献实验值的一致性令人满意，平均相对误差分别为0．83％，0．32％和0．37％。     

用人工神经网络和多元线性回归预测毛细管气相色谱保留指数

对石脑油各组分在毛细管气相色谱上的保留指数的理论预测,可作为色谱分离过程中识别各组分的一种参考方法,选择了6个分子结构信息描述符,即分子量、三级分子连接性指数、环烷烃的立体异构体参数及密度,作为输入参数以提高BP网络的预测能力,对指数的同一数据集用多元线性回归和BP神经网络同时进行了预测,平均相对误差分别为1．21％和1．29％。     

极化效应指数与直链烷基衍生物的标准汽化热

利用极化效应指数，建立了计算直链烷基衍生物同系物的标准汽化热的方法。１１０个可比较值的平均相对偏差为１．２４％     

醇的拓扑指数与色谱保留指数的相关性研究

在色谱分析中，应用拓扑指数法研究醇类化合物的色谱保留指数，并通过多元回归分析得到了有机结构与色谱保留指数的良好的相关性，为定性分析提供可靠的信息。     

用新型分子结构参数预测多氯代二苯并呋喃的色谱保留指数

从环境有毒物多氯代二苯并呋喃的分子结构出发，通过考虑化合物的元素组成及各原子的连接方式，提出一种既能表征氯原子的取代数目．又能反映出氯原子取代位置的新型分子结构参数Mi．借助多元线性回归方法建立多氯代二苯并呋喃的气相色谱保留指数与其分子结构参数的定量结构-色谱保留关系（QSRR）模型，得复相关系数为0．9938．为了检验模型的稳定性和预测能力，进行了留一法交互校验以及Jackknife随机抽样检验，得模型复相关系数分别为0．9927和0．9931，结果表明所建模型具有很好的稳健性和外部预测能力，同时该方法计算简单，使用方便，预测结果准确．     

改进的分子连接性和拓扑指数方法预测硫醚的气相色谱保留指数

在分子拓扑理论基础上，定义原子结构参数αi和βi，由αi建构连接性指数^mL，由βi建构拓扑指数B。研究硫醚在不同极性固定相上的气相色谱保留指数与结构的相关性，建立相应的定量模型，预测了硫醚在4种极性固定相上的气相色谱保留指数，各样本总体所建模型的相关系数均在0．97以上。对硫醚保留指数的计算结果表明，计算值与实验值较为吻合。该法还具有计算简单，物理意义明确等优点．     

分子的拓扑与饱和链烷烃的临界体积

用图论的方法研究了饱和链烷烃的临界体积与分子结构间的关系，发现临界体积随结构的变化与Ｗｉｅｎｅｒ指数和极性数密切相关，从而建立了它们间的关系式。据此能由饱和链烷烃的分子结构预测其临界体积。对Ｃ＿４～Ｃ＿９４２个异构烷烃的检验结果表明，计算值与实验值的平均相对偏差为１．７６％，可与Ｐｅｒｒｙ和Ｗｈｉｔｅ提出的方法相比拟。     

脂肪醇的密度与其分子结构间定量关系的探讨

从脂肪醇分子结构出发,构造了能描述脂肪醇同分异构的分子距边矢量（ＭＤＥ） 。进而探讨了脂肪醇同分异构体的密度与其分子距边矢量的定量关系。对７３ 个脂肪醇同分异构体的计算结果良好：平均绝对误差为３．７６ｋｇ／ｍ３ ,平均相对误差为０ ．４６ ％ ,分子建模和定量预测结果表明密度的计算值与实验值吻合较好。     

基于野韭菜挥发性成分的色谱保留指数神经网络预测

为研究野韭菜挥发性成分的性质,预测其色谱保留指数,运用 ＭＡＴＬＡＢ相关自编程序计算得到了野韭菜挥发性成分的分子形状指数和电性拓扑态指数,将这两类参数作为分子结构描述参数,借助多元逐步回归法优化筛选了其中结构参数^２Ｋ、^３Ｋ、^４Ｋ、Ｉ２和 Ｉ６,建立了野韭菜挥发性成分色谱保留指数的 ＱＳＲＲ模型,相关系数为 ０９６３,通过对模型的稳定性和预测能力进行检验,检验的相关系数 ｒ基本也稳定在 ０９６３左右。用这 ５个筛选出的结构参数作为人工神经网络的输入层参数,采用 ５ ２ １的网络神经结构,利用 ＢＰ算法建构神经网络模型,总相关系数达到 ０９９６的优级相关,利用此模型计算得到的预测值与实验值吻合度较为理想,相对平均误差仅为 １６７％,结果显示 ＢＰ神经网络所得结果优于多元线性回归方法。     

牛粪挥发性成分的毛细管气相色谱分析

利用同时蒸馏萃取法提取了有治疗恶疮,霍乱效果的牛粪挥发性成分。用毛细管ＧＣ－ＭＳ联用法分离并初步鉴定了５０种组合,占总峰面积的７０．９２％,进一步步用程序升温保留指数和标准样品联合确证了其中的２４种化合物,占总峰面积的３４．６８％,与Ｓａｄｔｌｅｒ保留指数库文献数据对照又确证了另外８种化合物,占总峰面积的６．０９％。     

基于不同误差分布下ARMA—GARCH模型的国债指数实证研究

根据上证国债指数收盘价数据的特征,对其收益率序列建立误差分布为正态、GED和t分布的ARMA—GARCH模型．比较不同分布条件下的拟合效果,得出误差分布为GED和t分布时,模型的拟合效果优于误差分布为正态分布的情况．应用交叉验证法对预测效果进行比较,得出误差分布为t分布的ARMA—GARCH模型预测效果最优．同时,在模...     

饱和醇结构-保留定量相关的人工神经网络模型

以拓扑指数为结构描述符,用基于Levenberg-Marquardt优化的BP神经网络建立了醇类化合物的结构与色谱保留值的相关性模型,用于未知醇类化合物在SE-30和OV-3两根色谱柱上保留指数的同时预测,其学习速率优于文献中普通BP神经网络法,预测准确度与普通BP神经网络法接近,但优于多元线性回归法,因而是一种较好的预测有机化合物气相色谱保留指数的方法.     

利用新的价连接性指数估算醇类化合物Kováts指数

以连接性指数为结构描述符,用多元回归技术建立了醇类化合物的结构与色谱保留值的相关性模型,各样本总体所建模型的相关系数均在0.98以上,这些模型较好地解释了醇类化合物保留指数的递变规律.为了检验模型的稳定性和预测能力,进行了留一法交互校验,相关系数均在0.98以上.该模型相关系数高,稳定性好,预测能力强.     

相关向量机模型在边坡稳定性预测中的应用

近年来,边坡稳定性预测得到了广泛的研究,及时、准确的预测可以有效的预防边坡破坏灾害的发生。本文提出了一种基于相关向量机(RVM)的边坡稳定性预测模型,结合京-新高速公路高堑边坡工程实例,通过对比支持向量机（RVM）模型、RBF神经网络模型和支持向量机(SVM)模型的拟合及预测结果来分析其可行性。结果表明:相较于SVM模型和RBF神经网络模型,RVM模型的三种预测指标值均是最小的。其中,平均绝对误差（MAE）分别降低了86.02%和22.11%,均方根误差（RMSE）分别降低了72.05%和1.09%,相对均方误差（RRMSE）也分别降低了75.89%和21.13%,表明RVM是一种预测边坡稳定性的稳健工具,该方法能较为准确地预测出不同指标下的边坡安全系数。     

顶空气相色谱法快速测定环境空气中的几种醇类化合物

通过与液体直接进样气相色谱法的比较,摸索建立了顶空气相色谱快速分析环境空气中甲醇、乙醇、异丙醇的方法,并对实际样品进行了测定。三种常见醇类化合物的线性回归相关系数R值均大于0.999 5,检出限MDL为0.05-0.06 mg/m3,相对标准偏差RSD为1.7%-3.8%,实际样品回收率为80.6%-89.9%。     

基于最小二乘支持向量机的BLT方程孔缝散射模型

孔缝电磁散射效应分析是开展复杂电子系统电磁防护研究的重要组成部分. 基于微波二端口网络分析理论和电磁拓扑理论,构建了孔缝散射数学模型和广义散射矩阵,并提出了一种新的孔缝散射矩阵进化求解算法. 对单矩形孔腔体HFSS数据进行了仿真分析,结果表明:散射矩阵对反射效应和透射效应的预测绝对误差均值为±1.2 mVm和±3.3 mV/m,相对误差均值为±0.17%和±8.29%;当预测精度为90%时,对反射效应和透射效应的最大预测绝对误差为±2.9 mV/m和±0.763 5 mV/m,最大预测相对误差为±0.39%和±0.93%,实现了孔缝散射效应的准确预测,验证了模型可靠性和实用性.