氯代芳烃化合物的分子结构——生物活(或毒)性的定量关系

为了提高氯代芳烃化合物对生物活(或毒)性预测精度和能力.基于分子中成键原子i的结构特征和所处的化学环境,提出了一个新的计算顶点原子价点价δwi方法:δw i=(1+0.5 ln k-0.5Cl)×mi(Zi-hi)+∑(Li[×Lj])/n2i(Li{+hi}),以δY i为基础构建了价连接性指数mWt,通过逐步回归法筛选最佳参数,建立了14个相关方程.结果表明:2D(Two-dimensional)指数mWt和3D(Three-dimensional)指数QC具有良好的结构选择性和生物活(或毒)性相关性,模型具有良好的稳定性和预测能力,可用于预测其它取代芳烃的生物活(或毒)性.     

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.     

独立成分分析-支持向量机回归模型及其在近红外光谱分析中的应用

首先采用独立成分分析(ICA)提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,然后用支持向量机回归(SVR)对混合矩阵和实测浓度矩阵进行建模,建立了独立成分分析-支持向量机回归(ICA SVR)的近红外分析建模方法.结果表明,ICA SVR模型的预测结果明显优于SVR和偏最小二乘法(PLS)方法,方法用于肉样品中水分、脂肪和蛋白质的同时测定,获得了满意的结果.     

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.     

支持向量机近似模型的参数选取及其在结构优化中的应用

针对非线性结构响应预测的支持向量机(SVM)近似模型的参数选取问题,提出了应用粒子群算法进行参数优化,建立了具有最优参数的SVM近似模型,并与以训练集数据建立常规的SVM、二阶响应面(RSM)和径向基神经网络(RBFNN)近似模型进行对比.结果表明:以优化参数建立的SVM近似模型比常规的SVM近似模型有更好的预测能力;可以避免RSM和RBFNN近似模型中的过拟合现象,具有更优的推广能力.最后,将最优参数的SVM近似模型用于船舶结构优化中,取得了具有良好工程实用性的优化结果.     

多氯代二苯并呋喃的lgKOW与结构信息连接性指数的相关性研究

在Randic分子连接性拓扑指数mX基础上,根据分子中成键原子i的结构特征和所处的化学环境,提出了新的计算顶点原子价点价δTi方法,以δTi为基础构建了一个新的能表征含有杂原子分子结构信息的价连接性指数mTt.用2T与50个多氯代二苯并呋喃分子和二苯并呋喃的lgKOW关联,拟合的回归方程的相关系数为0.9918,且新模型物理意义明确,计算简便,对不同类型有机物的理化活性具有较好的估算和预测能力,计算值与实验值之间能很好地吻合.     

贝叶斯规整化神经网络模型预测化合物分子的血脑屏障通透性

通过分子结构预测血脑屏障通透性是一个颇具挑战性的课题.建立了一个预测化合物分子的血脑屏障分配系数(logBB)的QSAR模型.该模型由表示分子大小、拓扑性质和脂水分配性质的QSAR参数组成.模型被用来预测52个化合物的血脑屏障分配系数,并通过测试集(从52个化合物种选取10个)进行验证,预测值-实验值的相关系数平方(R2)为0.974,均方差(MsE)为0.017 2.验证结果显示该模型大大优于传统使用的多元线性回归模型.因此,该模型可以用于预测药物分子和类似药物分子的血脑屏障通透性.     

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。     

核酸与分子建模及结构表达启动子强度预测

从核酸分子的一级结构出发，基于分子中原子间距离及各原子电负性，构建了能描述核酸分子结构的系列参数：分子电性边数矢量简称分子电边矢量。据此对38个脱氧核糖核酸(DNA)启动子序列的强度进行定量结构活性相关(QSAR)及定量序列活性模型(QSAM)研究，取得良好结果。与其它方法相比，分子电边矢量具结构分辨率高、活性相关性好、计算简便等特点，可望应用于生物大分子的结构表征及活性预测。     

聚乙烯胺在CaCO3加填造纸中的作用效果

探讨了在弱碱性条件下聚乙烯胺(PVAm)对CaCO3加填的芦苇浆和废纸浆的助留助滤效果．实验结果表明：PVAm在两种浆中都有非常显著的助滤．助留效果，且在芦苇浆中的助滤效果大于废纸浆．PVAm在芦苇浆中对纤维的助留效果不如废纸浆，但对CaCO3的助留效果高于废纸浆．     

分子电距矢量(MEDV)用于肽模拟物的定量构效关系研究

利用电距矢量(MEDV)表征肽模拟物的分子结构,并与包含N、0、S杂原子,饱和与不饱和键或共轭体系的二肽分子的生物活性相关.利用多元线性回归方法,构建了两组二肽分子的定量构效关系(QSAR)模型.对于58个二肽组,模型相关系数和均方根误差分别为R=0.842 3和RMS=0.535.对于48个二肽组,R=0.819 9,RMS=0.357.为了检验QSAR模型的预测能力,对两个二肽组数据集进行了交叉校验(CV).采用LOO法即每次从n个样本中抽出n-1个样本建立0SAR模型继而用该模型去预测余下的1个样本的生物活性的方法.对于58肽组,58次预测的生物活性与原实验活性之间的R=0.790 6,RMS=0.608,而48肽组的R=0.742 2和RMS=0.417.MEDV只利用了分子二维拓扑图中元素电负性和相对化学键长的有关信息,不需要任何三维结构知识或分子校准步骤或有关物理化学性质的信息.此外构建QSAR模型时只利用MLR方法而不需应用主成分回归或偏最小二乘技术.方法简便快速,模型稳定有预测能力.     

A novel molecular distance edge vector as applied to chemical modeling of quantitative structureretention relationships： Various gas chromatographic retention behaviors of polychlorinated dibenzofurans on different polarityvarying stationary phases

Based on the identical group as a pseudo atom instead of a typical atom, a novel modified molecular distance-edge （MDE） vector μ was developed in our laboratory to characterize chemical structure of polychlorinated dibenzofurans （PCDFs） congeners and/or isomers. Quantitative structure-retention relationships （QSRRs） between the new VMDE parameters and gas chromatographic （GC） retention behavior of PCDFs were then generated by multiple linear regression （MLR） method for non-polar, moderately polar, and polar stationary phases. Four excellent models with high correlation coefficients, R=0.984--0.995, were proposed for non-polar columns （DB-5, SE-54, OV-101）. For the moderately polar columns （OV-1701）, the correlation coefficient of the developed good model is only 0.958. For the polar columns （SP-2300）, the QSRR model is poor with R=0.884. Then cross validation with leave-one out of procedure （CV） is performed in high correlation with the non-polar （Rcv=9920.974） and weakly polar （Rcv=921） columns and in little correlation （Rcv=0.834） with the polar columns. These results show that the new μ vector is suitable for describing the retention behaviors of PCDFs on non-polar and moderately polar stationary phases and not for the various gas chromatographic retention behaviors of PCDFs on the different polarity-varying stationary phases.     

粮谷及油料中有机磷农药残留物GC保留值的QSRR研究

采用分子电性距离矢量(Molecular Electro-negativity Distance Vector,MEDV)对粮谷及油料中55种有机磷农药的结构进行表征,采用逐步回归对变量进行筛选,运用多元线性回归和偏最小二乘回归统计学软件建立有机磷农药的结构与其气相色谱(GC)保留值的定量结构-色谱保留关系(quantitative structure-retention relationship,QSRR)的数学模型,同时采用内部及外部双重验证的办法对所建模型稳定性能进行分析和验证.两种方法建模相关系数R、留一法交互检验RLOO、外部样本检验Qext分别为0.869 2,0.850 3,0.769 1(MLR);0.869 5,0.863 7,0.773 5(PLS).结果表明,MEDV能较好地表征该类分子的结构信息,所建QSRR模型具有良好的稳定性和预测能力.可望为有机磷农药残留物的分离、纯化、检测等方法的建立,提供有效的理论依据.     

干式硬态车削淬硬工具钢Cr12MoV表面粗糙度试验与预测模型

使用PCBN刀具对不同淬硬状态工具钢Cr12MoV进行精密干式硬态车削试验,运用正交实验法分析切削速度、试件硬度、刀具前角、切削深度4个因素间的交互作用,得到最优车削条件.利用多元回归法,借助应用数学软件SPSS技术,建立表面粗糙度的线性模型与指数模型,并对这2种模型进行比较.试验表明:影响表面粗糙度最显著的因素是切削速度与淬火硬度,切削深度影响最小,指数模型比线性模型预测精度高.     

一种自适应PC-Kriging模型的结构可靠性分析方法

为提高小失效概率及耗时的复杂结构可靠性评估精度和效率,提出了一种基于PC-Kriging(polynomial-chaos-based Kriging)模型与自适应k-means聚类分析相结合的结构可靠性分析方法.PC-Kriging的回归基函数采用稀疏多项式最优截断集合来近似数值模型全局行为,并用Kriging来处理模型输出的局部变化.在基函数的建立上,PC-Kriging采用最小角回归(LAR)计算功能函数可能的多项式基函数集的数量,同时用Akaike信息准则(AIC)来确定最优多项式形式.自适应k-means聚类分析确保每次迭代添加若干个对失效概率贡献较大的样本点.通过两个数值算例分析,结果表明所提出方法在能够保证失效概率估计值的有效性和准确性的同时减小结构功能函数的评估次数.     

BP人工神经网络法研究PBDE_S类化合物的RRT

运用BP人工神经网络方法对PBDEs的相对保留时间(RRT)进行了QSPR研究.所建的BP人工神经网对PBDEs的RRT预测准确度非常高,网络训练误差几乎为0,网络回判MSE误差为0.003 9,明显低于逐步回归分析结果,独立检测集MSE误差为0.000 4,也很低,说明BP人工神经网具有较好的泛化能力.此方法得到的模型预测能力要优于逐步回归模型.     

港湾污染场数值预报研究

污染物质浓度的水边界条件是污染场数值预报模型的重要组成部分,为避免人为取值所可能造成的浓度场数值预测结果的严重失真,本文设计了一种由排污速度,湾外常流流速及生、化净化速率确定水边界浓度值的方法,使边界条件的确定具备客观准则.本模型还考虑了生物、化学净化作用,这可望使预测结果更符合实况.本模型还用于分析污染物浓度分布随排污口位置的变化.     

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.     

基于支持向量回归机的结构非概率可靠性分析

将支持向量机回归技术引入隐式极限状态结构的非概率可靠性分析,基于未确知信息的分段均布描述模型,设计了训练样本抽取策略．为了统一样本尺度,根据分段均布模型与标准化区间均布模型的双射关系,将基本变量区域中的样本数据转化成标准区间变量域中的样本数据,保证了支持向量机训练的稳定性．给出了SVR预测模型算法,并实现了在标准化区间变量域中直接抽取训练、测试及预测样本,使得样本抽取和蒙特卡罗模拟计算更便于实现．通过算例对方法的精度和可行性进行了验证,结果表明：该方法可解决隐式极限状态结构的非概率可靠性分析问题,且应用简便．     

用CASI遥感数据估计横跨美国俄勒冈州针叶林叶面积指数

使用三类模型技术,对小型航空光谱制图成像仪(CASI)数据被用作估计针叶林叶面积指数(LAI)的潜力进行研究。三类技术为:单变量回归,多变量回归和植被指数(VI)基础的LAI估计模型。沿横跨美国俄勒冈州的各植被区选择四个研究立地,分别测定和收集LAI数据和CASI图像数据。CASI数据经校准后,研究其与LAI测定值的关系。结果说明二种成像方式的CASI数据对于LAI估计具有相似的效率。与其它两种技术比,逐步回归方法导致较高的LAI预测精度。在单变量回归和VI基础法中使用NDVI,比起其它形式的CASI数据能产生较好的效果。