有机磷农药的气相色谱保留值与定量结构性质相关研究

用分子电性距离矢量(MEDV)表征有机磷农药的分子结构,运用多元线性回归(MLR)技术和逐步回归(SR)一起统计检测筛选模型变量,建立26种有机磷农药的气相色谱(GC)保留指数(RI)与MEDV的定量关系模型.模型的相关系数R=0.931 1.留一法交互检验相关系数RLOO=0.854 4,SDLOO=3.296 2;外部样本的预测结果为:Qext=0.911 6.表明,所建模型稳定性和预测能力均良好,MEDV能较好地表征该类分子的结构特征.     

酚类化合物色谱保留指数的估计与预测

用根据非氢原子类型分类、基于非氢原子相对电负性和非氢原子间距离等进行计算得到的分子电性距离矢量(MEDV)为描述子,对酚类化合物结构进行表征.用多元线性回归(MLR)方法,研究并建立了酚类化合物定量结构-色谱保留(QSRR)关系的10变量模型,其相关系数为0.9512;采用SPSS统计处理软件对变量进行逐步回归(SMR)筛选后,建立了8变量的QSRR模型,其相关系数为0.9508.上述模型对102种酚类化合物色谱保留的预测值与实验值能较好吻合,留一法交互检验的结果分别为Rcv=0.9269和Rcv=0.9377.结果表明所建模型具有良好的稳定性和预测能力.     

分子电距矢量对醇类气相色谱保留指数的预测

用MEDV描述子对55个醇的分子结构进行表征,对MEDV矢量和其气相色谱保留指数之间建立了定量结构-色谱保留值关系.借助多元线性回归、逐步回归和交互检验建立了分子电距矢量和55个化合物的气相色谱保留值之间的定量结构-色谱保留值相关模型(QSRR),线性回归十参数模型的复相关系数达到了0.995 0,逐步回归七参数模型复相关系数为0.989 6,交互检验的RCV值为0.970 0,表明模型对样本具有一定的稳定性和预测能力.     

分子电性距离矢量用于苯酚类化合物生物活性的QSAR研究

采用分子电性距离矢量(MEDV)表征4组卤代苯酚和取代酚类化合物的结构,并采用逐步回归对变量进行筛选,分别用多元线性回归和偏最小二乘回归建立各组化合物的结构与其生物活性的定量结构-活性相关(QSAR)的数学模型.同时采用内部及外部双重验证的办法对48种卤代苯酚结构与其抗菌活性(lgPC)关系模型的稳定性进行分析和验证.多元线性回归建模相关系数R=0.960,标准偏差SD=0.248,留一法交互检验RCV=0.947,SDCV=0.287,外部样本检验Qext=0.946.14个溴代苯酚结构与其抗菌活性PC关系结果:R=0.969,SD=0.296,RCV=0.904,SDCV=0.516;11个取代苯酚结构与其水生生物急性毒性(-lgLC50)关系结果:R=0.969,SD=0.219,RCV=0.941,SDCV=0.301;6个氯代苯酚结构与其水生生物急性毒性(-lgLC50)关系结果:R=0.998,SD=0.076,RCV=0.954,SDCV=0.409.对各组化合物采用偏最小二乘回归所得结果与多元线性回归所得结果较为一致.结果表明,MEDV能较好地表征该类分子的结构信息,所建模型具有良好的稳定性和预测能力.     

分子电距矢量对酚类物质色谱保留值的分析

用MEDV描述子对102个酚的分子结构进行表征,对MEDV矢量和其气相色谱保留指数之间建立了分子结构-色谱保留值定量关系(QSRR).多元线性回归十参数模型的复相关系数达到了0.943 6,逐步回归九参数模型复相关系数为0.943 6,交互检验的R CV值为0.844 8,表明模型对样本具有一定的稳定性和预测能力.     

枣香味成分的结构表征及其色谱保留值的预测

采用分子电性距离矢量对枣中分离出的63种化合物进行了结构表征.通过多元线性回归建立了6个变量的定量结构-色谱保留相关关系模型,相关系数R=0.982,并用逐步回归筛选得3个变量建模,相关系数R=0.980,继而用留一法交互检验,复相关系数RCV=0.977.结果表明,MEDV能较好地表征非同类化合物的分子结构信息,所建模型具有较好的稳定性和预测能力.     

环境毒物分子结构参数化表达与色谱保留定量性相关研究

在烷烃分子距边矢量的基础上 ,提出一种以各种非氢原子为基准的分子距离边数矢量(VMDE ;μ矢量 ) ,表征了环境有毒物二的分子结构并借助多元线性回归方法分别建立了二在非极性与极性色谱柱上的色谱保留指数或相对保留时间与其结构表征参数 μ矢量间的定量结构保留关系(QSRR)模型 .在非极性与极性色谱柱 (DB - 5 ,SP - 2 10 0 ,SE - 5 4 ,OV - 170 1)上色谱相对保留时间的QSRR模型的线性相关系数均在 0 .93以上 ,高达 0 9985。为检验模型的稳定性和预测能力 ,还进行了留一法交互校验 (crossvalidationwithleave -one -outofprocedure) ,结果优良。     

氟化酚类化合物结构与生物毒性关系研究

根据非氢原子类型分类、基于非氢原子相对电负性和非氢原子间距离等进行计算得到的分子电性距离矢量(MEDV)为描述子,对16种氟化酚类化合物的结构进行了表征.运用多元线性回归(MLR)方法,研究并建立了氟化酚类化合物定量结构与生物毒性关系的5变量模型,其复相关系数(R)为0.914.上述模型对16种氟化酚类化合物毒性的预测值与实验值能较好吻合,留一法交互检验的复相关系数(RCV)为0.856.结果表明所建模型具有良好的稳定性和预测能力.     

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.     

基于分子结构矩阵的二烯烃顺反异构体的QSRR研究

为有效区分二烯烃的顺反异构现象,用分子拓扑图的距离矩阵和邻接矩阵建立了二烯烃顺反异构体的分子结构矩阵,将分子结构矩阵行、列向量的1?范数i?、j?作为分子的结构信息指数用于二烯烃顺反异构体结构物性规律的研究,建立了定量结构-色谱保留关系(QSRR)的数学模型.用92种二烯烃顺反异构体色谱保留指数的实验值做线性回归分析,其复相关系数为0.992;用该模型预测的色谱保留指数与实验值吻合良好.留一法(LOO)交互验证和随机抽样预测结果表明,本文模型具有良好的稳定性和较强的预测能力;同时,本文所建模型参数的物理意义较明确,计算容易,方法可靠实用,易于推广.     

青年男性尿液中多环芳烃代谢物与肾功能指标的关联研究

为了解青年男性多环芳烃暴露浓度与肾功能指标之间的关联,征集郑州地区121名志愿者进行了问卷调查和血液及尿液样品采集,分析了血肌酐、血尿素和血尿酸以及尿液中1-羟基芘(1-OHP),并在此基础上计算了估算肾小球滤过率(eGFR)和内生肌酐清除率(Ccr)。采用相关系数、线性回归模型和逻辑斯蒂回归模型进行分析。结果发现郑州地区青年男性体内普遍存在多环芳烃暴露,尿液1-OHP浓度与血尿素之间存在弱正相关,未在PAHs暴露与eGFR、Ccr和血尿酸等肾功能指标之间发现显著关联。     

SURS中回归系数GCIE系列的极限问题

讨论了半相依回归系统（ＳＵＲＳ）中回归系数的广义方差改进估计（ＧＣＩＥ）的效率问题,得出了几种估计的效率度量公式在极限意义下等价的结论,以该结论为基础,我们对一些简单的协方差铁ＳＵＲＳ中间归系数的ＧＣＩＥ系列进行计算机模拟,得到了ｍ＝３时,在这些模型下,ＧＣＩＥ的极限便是阳佳线性无偏估计的结论。     

青年男性尿液中多环芳烃代谢物与血液肝功能指标的关联研究

为了解青年男性多环芳烃暴露浓度与肝功能指标之间的关联,征集郑州地区121名志愿者进行了问卷调查和血液及尿液样品采集,分析了血液中丙氨酸氨基转移酶(ALT)、天门冬氨酸氨基转移酶(AST)、γ-谷氨酰转肽酶(GGT)、碱性磷酸酶(ALP)、总蛋白(TP)、白蛋白(Alb)、球蛋白(Glo)以及白蛋白/球蛋白比值(A/G)等肝功能指标以及尿液中1-羟基芘(1-OHP)。采用相关系数、线性回归模型和逻辑斯蒂回归模型进行分析。结果发现郑州地区青年男性体内普遍存在多环芳烃暴露,尿液1-OHP浓度与AST之间存在弱的正相关关系,未在尿液1-OHP浓度与其他肝功能指标之间发现显著关联。     

磨矿过程产品粒度软测量的比较研究

磨矿粒度(GPS)难以进行直接在线检测且化验过程滞后,必须采用软测量技术对其进行在线估计以及在此基础上的闭环控制.针对一个实际的两段式磨矿回路流程,分别基于多元回归、案例推理(CBR)和神经网络(NN)技术建立了三种磨矿粒度软测量模型,并对其进行了基于工业试验的比较研究.结果表明,基于CBR的磨矿粒度软测量方法优于BP神经网络软测量(BP-NN)方法和多元回归模型估计方法.     

MODIS气溶胶光学厚度与青岛市市南区空气污染指数的回归分析

以青岛市市南区中国海洋大学鱼山校区为研究区域,利用MODIS二级产品的大气气溶胶光学厚度(aerosol optical thickness,AOT)数据、天空辐射计反演得到的AOT数据以及地面测量的空气污染指数(air pollution index,API)数据,利用统计回归分析方法,建立AOT与API之间的数学模型,考虑了湿度因子对API的影响及校正,并分季节进行了分析.在此基础上,探讨利用卫星遥感气溶胶光学厚度进行大气污染监测的可行性.     

Support vector machine applied in QSAR modelling

Support vector machine （SVM）, partial least squares （PLS）, and Back-Propagation artificial neural network （ANN） were employed to establish QSAR models of 2 dipeptide datasets. In order to validate predictive capabilities on external dataset of the resulting models, both internal and external validations were performed. The division of dataset into both training and test sets was carried out by D-optimal design. The results showed that support vector machine （SVM） behaved well in both calibration and prediction. For the dataset of 48 bitter tasting dipeptides （BTD）, the results obtained by support vector regression （SVR） were superior to that by PLS in both calibration and prediction. When compared with BP artificial neural network, SVR showed less calibration power but more predictive capability. For the dataset of angiotensin-converting enzyme （ACE） inhibitors, the results obtained by support vector machine （SVM） regression were equivalent to those by PLS and BP artificial neural network. In both datasets, SVR using linear kernel function behaved well as that using radial basis kernel function. The results showed that there is wide prospect for the application of support vector machine （SVM） into QSAR modeling.     

脑血分配系数的定量构效关系研究

以分子量,脂水分配系数（logP）、水溶解度（logS）以及氢键供体数（HD）4个结构描述符为基础,通过多元线性回归和支持向量机回归对53个化合物建立了定量构效关系模型。全部化合物被随机分为包含41个化合物训练集和包含12个化合物的测试集。在分别得到多元线性回归和支持向量机回归模型后,进行了相关系数r、标准偏差s、平均绝对误差和均方差的统计分析。分析的结果说明两个模型都对脑血分配系数的对数值（logBB）有较好的预测能力,支持向量机回归作为非线性分析方法对于logBB的预测有一定的优势。     

基于光学-ALS变量组合和非参数模型的天然次生林地上生物量估算

【目的】通过组合机载激光雷达(airborne laser scanning, ALS)数据和Sentinel-2A数据提取特征变量,探讨估算天然次生林地上生物量(aboveground biomass, AGB)最佳的变量组合方式和估算方法。【方法】以2015年ALS数据、2016年Sentinel-2A数据和黑龙江帽儿山林场森林资源连续清查固定样地数据为数据源,通过ALS数据提取高度特征变量(all the LiDAR variables, 记为A_L),Sentinel-2A数据提取若干植被指数变量(all the optical variables, 记为A_O),然后将光学-ALS结合变量(combined optical and LiDAR index, COLI,记为I_COL)结合成为新的变量 I_{\mathrm{CO}{\mathrm{L}}_1} 和 I_{\mathrm{CO}{\mathrm{L}}_2} ,以6组特征变量组合方式(A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} 、 I_{\mathrm{CO}{\mathrm{L}}_2} 、 I_{\mathrm{CO}{\mathrm{L}}_1} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入变量,分别使用多元线性逐步回归(stepwise multiple linear regression,SMLR)、K-最近邻法(K-nearest neighbor,K-NN)、支持向量回归(support vector regression,SVR)、随机森林(random forest, RF)和堆叠稀疏自编码器(stack sparse auto-encoder,SSAE)共5种方法构建了天然次生林AGB估算模型,探讨I_COLs变量以及不同模型对生物量估测精度的影响。【结果】结合变量I_COLs对于森林AGB的估算十分有效,加入I_COLs变量能够很大提高森林AGB模型的估算精度;与其他4种模型相比,无论使用哪些变量作为输入数据,SSAE模型的精度最高;当使用SSAE模型,以光学和ALS变量组合 ( I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入特征变量时,模型的准确性最高:R²=0.83,均方根误差为11.06 t/hm²,相对均方根误差为8.23%。【结论】结合变量COLIs能够有效地提高天然次生林AGB的估算精度,而且深度学习模型(SSAE)在估算天然次生林AGB方面优于其他预测模型。总体而言,利用ALS和Sentinel-2A数据组合变量的SSAE模型可以较准确地估算森林AGB,为天然次生林地上生物量的估算和碳储量评估提供技术支持。