用灰色模型预测同系物的液相色谱保留值

利用灰色理论的ＧＭ（１,１）模型研究了５－二甲胺萘－１－磺基胺盐酸盐的同第少在不同组成流动相的反相高效液相色谱中的保留值与取代基碳原子数的关系。根据不同色谱条件下所建立的数学模型,计算和预测了６Ｄｎｓ胺同系物在６种不同流动相组成色谱系统中的保留值ｋ‘,并用相同的方法计算和预测了烷基取代苯和氨基苯甲酸酯系列物的液相色谱保留值。计算和预测值的相对偏差小于３％,误差率高,预测精度比献的预测结果好。     

BP神经网络在氯代羟基苯甲醛QSRR研究中的应用

用BP神经网络法对氯代羟基苯甲醛的定量结构-色谱保留值关系(QSRR)进行了研究,采用多元回归分析对此类化合物的QSRR进行了比较研究，并用因子分析法的斜交因子得分图直观地揭示了上述两法在运用中的优劣差异。     

用BP神经网络法预测反相液相色谱保留值

运用逐步回归法筛选BP人工神经网络的输入元素改进BP网络的结构，并用于疏水分配常数及氢键作用能预测反相液相色谱保留值，结果表明，逐步回归法与人工神经网络相结合，能优化网络，大大提高网络收敛速度在很大程度上克服了通常BP网络过所合的缺点，较通常BP神经网络及回归法在处理构效关系方面有更强的信息处理能力和预测能力。     

关于液相色谱保留值公式lnk''''=A+BlnC_(B1)+CC_(B1)的改进

早在60年代,著名色谱学者Snyder应用顶替吸附模型导出了关联到某些热力学参数的液-固色谱保留值方程。 logk′=C—nlogC_B。(1) 70年代中期,Jandera等人应用溶解度参数理论得到 logk′=a—bC_B,(2)而Scott等人发展起来的理论则认为调整保留体积V′与流动相组成的关系为 1/V′=A+BC_B。(3)     

人工神经网络对烷烃同系物气相色谱保留指数的预测

以拓扑指数为结构描述符,用BR神经网络建立了烷烃同系物的结构与色谱保留值的相关模型,预测准确度高,因而是一种较好的预测有机化合物烷烃同系物气相色谱保留指数的方法.     

基于拍卖方偏好揭示的多属性网上拍卖模型

为了揭示拍卖方偏好对多属性网上拍卖的影响,研究由一个买方和多个卖方组成的多属性网上拍卖模型.根据模型,在多属性拍卖开始时,买方需要揭示偏好信息,给出每个属性的期望值和保留值.在拍卖过程中,买方Agent和卖方Agent分别代表拍卖双方进行评标和投标,由买方Agent控制拍卖协商过程.最后用一个多人参与的算例说明了该模型的有效性.这种方法能够避免多属性加权和模型的缺点,并且可以有效的控制拍卖过程.     

拓扑指数多元校正法预测气相色谱保留值

Aml、Xz和^1X3种拓扑指数与18种非同系物烃类在3种固定液上的气相色谱保留指数的关联结果表明：多元校正法可比常规一元校正法得到更好的相关关系，三元校正法可使回归方程的相关系数达0．9912以上，预测时的计算误差低于1．51％，对于非同系物烃类的色谱保留值的预测,能满足一般预测要求。     

硫苷反相色谱分离保留机理的量子化学研究

应用量子化学中的AM1法，从分子的电子结构水平探讨硫苷的色谱保留机理，借助多元线性回归方法建立了硫苷在C18上的定量结构-色谱保留关系(QSRR)相关方程。结果表明，硫苷与固定相相互作用的体系总能量，分子偶极距，流动相氢键作用与保留值之间具有一定的相关性。     

反相高效液相色谱保留值方程的简化

系统地考察了31种有机化合物在反相高效液相色谱条件下和在较宽的流动相（甲醇—水体系）组成范围内溶质的保留值k′与有机改性剂甲醇浓度CB之间的关系,在大量数据基础上,回归得到了描述反相液相色谱溶质保留值与二元流动相中有机改性剂浓度CB的关系式：lnk′=b0＋b1CB.该关系式实际上是对反相液相色谱保留值方程的合理简化,最后对此关系式中的几个参数做了简要的讨论.