氯代有机化合物的结构与发光菌毒性的定量构效关系

运用HypeChem7.0软件,采用从头算(ab initio)的3-21G基组对80个氯代有机物化合物的量子化学参数进行计算,将计算得到的量化参数作为描述符引入QSAR研究,用多元线性回归法建立了80个氯代有机化合物(包括脂肪族、苯、甲苯、酚和胺的氯代物)对发光菌毒性的预测模型,相关系数R=0.952,并根据模型对化合物的结构与急毒性的作用机理进行了分析.     

氯代苯对水生生物毒性的定量构效关系研究

在烷烃分子距离 -边数矢量 (MDE)的基础上 ,定义并计算了氯代苯的结构参数。借助多元线性回归技术建立新的MDE矢量与氯代苯类对水生生物毒性的定量结构 -毒性相关关系 (QSTR)模型 ,并运用所建模型对外部样本的毒性进行了预测 ,结果表明模型具有较强的预测能力。     

基于SVR-BP算法的江苏省空气质量指数预测

针对江苏省空气质量指数(air quality index, AQI)的预测问题,提出一个将反向(back-propagation, BP)神经网络与ε-支持向量回归机(ε-support vector regression,ε-SVR)算法相结合的SVR-BP回归算法。对训练集采用ε-SVR进行样本筛选组成新的样本集,再采用BP神经网络进行预测。样本集选取的时间跨度为2 a,样本数据为江苏省共98个监测点空气中各成分的含量。分别采用SVR-BP算法、BP神经网络和ε-SVR算法在数据更新频度不同的3个模型下对未来72 h的AQI进行预测。实验结果表明:本研究提出的SVR-BP算法的平均绝对百分误差较ε-SVR算法提升了4%～19%;训练时间比BP神经网络少0.1～2.5 s。SVR-BP算法预测AQI更为高效,在实时训练及样本筛选方面有更广阔的研究前景。     

基于BP-Adaboost的近红外光谱检测固态发酵过程pH值

为了实现固态发酵过程参数pH值的快速检测,提出基于近红外光谱技术的固态发酵过程参数pH值检测新方法.首先获取140个固态发酵过程产物样本在10 000 ～4 000 cm-1范围内的近红外光谱;然后利用酸度计测得近红外光谱预测模型的参考测量值;最后运用Adaboost(AdaptiveBoosting)算法来构建由10个弱预测器(BP神经网络)组成的BP-Adaboost强预测模型.试验结果显示:该模型的预测均方根误差(RMSEP)和预测集相关系数(R)分别为0.072 6和0.981 1;与BP模型结果相比,该模型具有较好的预测精度.     

p-NP异构体13C核磁共振碳谱模拟

将一种反映分子局部微环境描述子--原子电性相互作用矢量(Vector of atomic electronegative interaction, VAEI) 和原子杂化状态指数(Atomic Hybridation State Index, AHSI)用于对位壬基酚(p-NP)异构体的共60个13 C-NMR谱建模模拟,应用多元线性回归方法得到定量结构波谱关系(QSSR)模型的复相关系数(RM1)为0.996,标准误差(SDM1)为4.982.采用留一法交互检验的复相关系数(RCV1)为0.994,标准误差(SDCV1)为5.505.随机抽出两部分样本进行检验,得到测试集的复相关系数(Rest1及Rest2)分别为0.996和0.995,标准误差(SDest1及SDest2) 分别为5.005和5.322.研究结果表明,使用VAEI和AHSI所建模型具有良好的预测能力和稳定性.     

电磁兼容的人工神经网络预测技术分析

电磁兼容预测是实现电子设备或系统电磁兼容性(electromagnetic compatibility,EMC) 的必要步骤.提出了应用人工神经网络对电磁兼容问题进行快速预测的方法.通过选择有效的电磁干扰参数作为输入预测因子,用误差反向传播的神经网络 (back propagation,BP)构造输入预测因子与敏感设备骚扰响应之间的映射关系,并用电磁场数值计算方法获得的训练样本集和测试样本集对构造好的BP网络进行训练,建立了基于BP网络的电磁兼容快速预测模型.最后以导线间的串扰问题为预测算例,表明了该方法的有效性.     

氯代苯对水生生物毒性的定量构效关系研究

在烷烃分子距离－边数矢量（ＭＤＥ）的基础上,定义并计算了氯代苯的结构参数。借助多元线回归技术建立 ＭＤＥ矢量与氯代苯类对水生生物毒性的定量结构－毒性相关关系（ＱＳＴＲ）模型,并运用所建模型对外部样本的毒性进行了预测,结果表明模型具有较强的预测能力。     

基于LSTM神经网络深度序列机械钻速实时预测

机械钻速是钻井优化、缩短钻井周期的关键因素,传统的机械钻速预测大多是在钻井后进行钻井分析,预测效率和精度低、地层适用性不广。为了以更高效的方法预测得到高精度机械钻速,提出基于长短期记忆(LSTM)神经网络的深度序列机械钻速预测方法。采集实时钻井数据集,使用皮尔逊相关系数衡量各特征之间的相关性,筛选出井深、伽玛射线、地层密度、孔隙压力、井径、钻时、排量、钻井液密度等8个参数。构建LSTM神经网络模型,训练LSTM模型并预测ROP,对预测结果进行分析,并用决定系数(R²)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)等指标对LSTM模型、BP模型和SVM模型性能进行对比分析。结果表明：LSTM模型其R²、RMSE和MAPE的值分别为0.948、1.151和17.075,相较于BP模型和SVM模型,其R²更大,RMSE和MAPE较小,说明LSTM模型预测性能更好。该方法有助于钻井工程师和决策者提前获得钻井信息,从而更好地规划钻井作业,缩短钻井周期,同时为钻井参数预测提供新的途径,能改善以往预测方法在处理复杂地层问题时...     

交通噪声预测的神经网络模型

运用 Matlab语言编程 ,构造预测交通噪声的 LM算法 BP神经网络模型 ,把预测因子 (轻、重型车流量、平均车速、受声点距路肩距离、敏感点高差 )作为样本输入到网络模型 ,噪声等效声级作为样本输出 ,反复训练网络 ,通过增加隐含层节点数、改进算法 ,以降低误差 ,缩短训练时间。     

基于近红外光谱特性分析的花生含水率检测

以花生检测国家标准GB/T 5497为基础，采用近红外光谱检测技术对花生含水率是否达标进行检测. 实验配制了30个不同含水率的花生样本，其中18个样本含水率达到国家标准，12个未达标，将样本分为训练集和测试集，通过近红外实验获取不同含水率的花生对不同波长光的吸收情况，将采集的数据作为BP神经网络的输入参数，在训练集对神经网络进行学习和训练，然后采用该模型，对测试集花生含水率是否达标进行测试. 实验表明，基于近红外光谱技术和神经网络的识别方法可全部正确识别测试集样本.     

取代芳烃生物降解性的新型连接性指数模型

为了研究60种取代芳烃生物降解最大去除率(QTOD)的定量构效关系,利用最佳变量子集回归建立50种有机污染物(训练集)QTOD与新型分子连接性指数(mGtv)的五元QSBR(定量结构-生物降解相关性)模型,其传统判定系数(R2)、逐一剔除法(LOO)的交互验证系数(Q2)分别为0.841和0.792.据此模型可知取代芳烃生物降解控制步骤为酶催化反应,其中包含"诱导契合机理".利用反向传播(BP)算法获得了一个QSBR模型,其R2和估计标准误差分别为0.993和2.151,表明QTOD与这5个结构参数具有良好的非线性关系.     

基于近红外光谱技术的葵花籽品质分析

葵花籽作为国内需求量很大的油料作物,常用的化学检测方法虽然准确性高,但是时间久,破坏样本完整性,难以实现快速检测。为了研究近红外光谱法快速无损检测葵花籽中蛋白、脂肪及水分含量的准确性,本文使用454份葵花籽样本近红外光谱数据及蛋白质、水、脂肪三个含量信息为测试对象,随机选取其中383份作为测试集,71份作为验证集,对测试集使用不同的预处理方法之后分别进行PLS和BP神经网络建模,并通过验证集对模型进行预测分析。结果发现:(1)PLS模型预测中发现小波变换的预处理方法对蛋白质含量的预测最好RMSECV=0.343,RMSEP=0.296,小波变换的预处理方法对水分含量的预测最好RMSECV=0.299,RMSEP=0.354,标准化的预处理方法对脂肪含量的预测最好RMSECV=0.285, RMSEP=0.316;BP神经网络预测中一阶导数+均值中心化对蛋白质含量的预测最好RMSEP=0.341,一阶导数对水分含量的预测最好RMSEP=0.329,一阶导数+标准化对脂肪含量的预测最好RMSEP=0.312。(2)BP神经网络模型与PLS模型预测对比发现,PLS模型预测精度要高于BP神经网络模型。     

充填钻孔寿命SVM优化预测模型研究

基于充填钻孔是充填料浆从地表输送到井下采场的咽喉工程,是矿山正常运转的保障,对矿山充填钻孔使用寿命进行预测十分重要,建立支持向量机(SVM)回归预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为适应度函数,通过遗传算法(GA)对SVM模型参数进行优化选择,应用优化得到的SVM模型对预测集进行预测。以某矿为例,通过GA得到SVM模型最优参数:适应值(均方误差)为0.011 1,惩罚系数C为47.076 8,核函数参数σ为2.263 8。采用优化的SVM模型对预测集充填钻孔寿命进行预测,预测结果的最大预测相对误差为8.6%,平均相对误差为5.2%。对比BP神经网络(最大相对误差为13.6%),优化的SVM模型预测结果更加理想,精度更高。     

基于正交实验的BP神经网络预测研究

用不同的L9(34)正交实验方案结果作为训练学习样本集，对BP神经网络预测应用过程的策略进行了探讨，结果表明：完备的正交实验样本集是基本训练学习单元，在完备的正交实验样本集上添加或减少样本数量，所预测的结果是不可靠的；在同一类型、同一实验的条件下，完备的信息量大的正交实验样本集，能以很高的精度预测完备的信息量小的正交实验样本集；提出了一条新的实验设计思路——通过实验得出一个完备的正交实验样本集，通过计算机用BP神经网络就可以把与已知样本集有相同影响因素和水平的所有样本的值以相当高的精度预测出来，从而大大节省时间和劳力。     

卤代苯甲醚蒸汽压的定量结构-性质关系研究

采用密度泛函理论(DFT)方法,在B3LYP/6-31G*水平对134个卤代苯甲醚化合物的分子几何结构进行了全优化计算.基于计算得到的分子结构参数,运用多元逐步回归技术建立了卤代苯甲醚化合物蒸汽压的定量结构-性质关系模型,其相关系数为0.968,标准误差为0.258.采用留一的交叉验证和外部验证法对模型进行了验证.结果表明,所建立模型具有较好的预测能力和稳定性.经比较,所建立模型的预测能力优于采用Hartree-Fock(HF)法所得模型.     

基于BP神经网络的地基压实度测量方法

组建BP神经网络检测地基压实度系统装置,利用灰度-梯度共生矩阵方法提取激光图像的特征值,用其训练BP神经网络模型,预测地基压实度.结果表明:BP神经网络经过4次学习后达到要求的误差,模型的输出值和目标值的相关系数为0.97699.BP神经网络检测方法与传统环刀法检测结果对比结果表明,平均绝对误差为0.049,平均相对误差为7.16％,BP神经网络检测方法可以用于检测地基压实度.     

基于深度卷积神经网络的脑电图异常检测

为解决EEG自动检测的错误率非常高的问题,提出了一种基于深层卷积神经网络(CNN)对脑电图进行异常检测的方法:首先,对多个异构数据源按标准进行重构和预处理,生成了有118 716个样本的训练集和有12 022个样本的测试集;然后,构建有快捷连接的深层CNN模型,以自动化学习ECG特征并进行分类识别; 接着,将模型在训练集上进行试验与调参,保存了性能最好的模型参数; 最后,在测试集上进行预测.预测结果显示该模型达到了94.33%的分类准确率.通过所提方法对脑电信号进行处理与分析,能够自动提取EEG特征并进行异常识别,从而达到快速检测与辅助诊疗的目的.     

一种改进BP神经网络算法的编程及应用

采用附加动量并结合动态调整学习率改进BP算法，用MATLAB语言完成该算法程序的编写，并将其应用于处理光催化降解直接橙S水溶液的数据．该程序对训练集和预测集计算结果的相关系数R分别为0．9723和0．9452，处理效果良好．     

芳烃衍生物的结构与黑呆头鱼毒性的密度泛函理论研究

运用密度泛函理论(density functional theory,DFT)方法,在B3LYP/6-311G**基组水平下,全优化计算了92个芳烃衍生物的分子几何和电性结构参数;将计算得到的12个量子化学参数和1个结构参数作为描述符引入QSAR研究,采用多元逐步回归方法筛选了4个量化参数,建立了取代芳烃类化合物(包括脂烷基苯、硝基苯、卤代物、酚和芳胺等)对黑呆头鱼毒性的预测模型,相关系数R=0.959,模型通过了相关性检验,具有良好的稳定性和预测能力。应用该模型对其中7个未知毒性的化合物进行了预测;对该系列化合物结构与毒性作用的内在机制进行分析认为,分子极化率的大小和取代基的电子效应是影响毒性的主要因素。     

基于GRNN的电力系统短期负荷预测

提出了基于广义回归神经网络(GRNN)模型的电力系统短期负荷预测的方法,根据电力系统短期负荷变化的特性建立了反映电力系统负荷连续性、周期性及其负荷的变化趋势的模型,以此作为对GRNN进行训练的向量样本集.通过实例表明GRNN应用于电力系统短期负荷预测是可行并且有效的,其预报结果比多层前馈神经网络误差反向传播(BP)负荷预测方法更准确.