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．     

用神经网络预测挥发性有机化合物的色谱保留时间

文章中用5个描述符作为神经网络的输入参数,对挥发性有机化合物的色谱保留值进行了人工神经网络研究,预测准确度高,因而是一种较好的预测色谱保留值的方法.     

烷基苯气相色谱保留指数的预测

通过对43种烷基苯类化合物在不同柱温下的129个样本集的气相色谱保留指数值(R I)与其部分参数关系的研究,发现R I与拓扑指数(mQ)、摩尔折射度(M R)结构参数及柱温(T)之间的关系可表示为:RI=-35.689-149.4350Q-5.0471Q 116.541MR 2.538T-1.4600Q1Q 0.2941QMR(R=0.980 0)此式不仅在一定程度上阐明了烷基苯类化合物RI与其分子结构及柱温间的关系,同时也提供了一种计算烷基苯类化合物于不同温度下RI的新方法.继以留一法(Leave-one-out,LOO)进行交互检验,相关系数RCV=0.978 3,说明所建模型具有良好的稳定性和预测能力,较好地揭示了烷基苯类化合物在不同温度下气相色谱保留指数的变化规律.     

人工神经网络用于气相色谱保留指数的预测

利用Levenberg-Marquardt算法改进的BP神经网络,通过分子结构参数,同时对烷基吡啶在非极性固定液SE-30和极性固定液PEG-1500柱上的保留指数进行预测,取得令人满意的结果.     

mB 对气相色谱保留指数的QSPR研究

在邻接矩阵的基础上,建立一种新的连接性指数 mB mB =∑( δi*δj*δk …)0.5,其中 0 B =∑( δi) 0.5,1 B =∑( δi*δj )0.5,并计算出114个分子的 0B、1B值.发现mB 与这些化合物的气相色谱保留指数 RI 有很好的相关性.烷烃的线性回归方程为 RI=25.607 3+83.856 10B-9.278 41B,相关系数R=0.996 3;醇的线性回归方程为RI=27.013 8+130.022 90B-41.048 61B,相关系数R=0.997 6;取代苯的线性回归方程为RI=-5.088 9+22.457 50B-24.098 61B,相关系数R =0.992 8;分子连接性指数能较好地反映化合物的结构特征.     

人工神经网络法预测干黄酱挥发性成分保留值

基于分子连接性及邻接矩阵,计算69种干黄酱挥发性成分的分子连接性指数mχt,借助多元逐步回归法优化筛选了其中的结构参数0χ、5χ、3χc和5χpc,将其作为人工神经网络的输入层神经元,采用4∶8∶1的网络体系结构,以BP算法获得预测保留指数的神经网络模型,其相关系数R和标准偏差S分别为0.985和93.301.结果表明,保留指数与0χ、5χ、3χc、5χpc具有良好的非线性关系,BP神经网络方法预测的结果要优于多元回归方法的结果.     

脂肪酮的色谱保留指数与拓扑指数的相关性研究

在色谱分析中,应用分子拓扑指数法研究酮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分子的拓扑指数与色谱保留指数的良好的相关性,为色谱定性分析提供了信息。     

GC-MS结合保留指数分析轮钟花根的挥发性成分

采用气相色谱-质谱技术(GC-MS)结合保留指数(RI)对不同方法提取的轮钟花根挥发性成分进行分析,结果表明：轮钟花根的挥发性成分以酸类、烃类、酯类和醇类为主,确定为76种化合物,其中,水蒸气蒸馏法、索式提取法和超声辅助萃取法各确定根中24,45,39种化合物,三种方法提取的质量分数最高的成分均为亚油酸.     

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．     

修正的连接性指数G用于脂肪醇气相色谱保留指数的预测

修正的连接性指数被定义为:G=0G+(δ-1)-0.5,G与25种脂肪醇在6种固定相(SE-30,OV-3、OV-7、OV-11、OV-17、OV-25)上的气相色谱保留指数显著相关,相关系数分别为0.9931、0.9925、0.9914、0.9891、0.9887和0.9843.所建定量结构-保留关系模型为脂肪醇气相色谱保留指数的预测提供了有效的方法.     

基于人工神经网络的圆孔电磁耦合预测

孔缝电磁耦合问题历来是电磁兼容领域中的一个重要部分,多年来人们已经采用多种方法对孔缝电磁耦合问题进行了深入研究.随着电子系统的日益复杂,无论是全波分析还是解析方法在孔缝电磁耦合问题研究中都存在很大的局限性.为了更好的解决这个问题,本文探讨了人工神经网络用于孔缝耦合分析的可行性.以大量数值计算结果为训练样本,建立了适用于...     

人工神经网络预测离子色谱分离条件

 以EDTA为淋洗液,用均匀试验设计法研究了高Cl^-浓度下Cl^-与NO₂^-,NO₃^-的分离条件.将实验条件和实验结果作为BP神经网络的训练集,同时对网络的结构和训练速率进行筛选和优化.经过2567次训练后,网络训练误差达到10^-5.对训练结果的考察表明,人工神经网络以较少的实验数据成功建立了离子色谱分离条件的预测模型,最大相对误差仅为0.85%.     

基于改进的人工神经网络方法预测CTL表位

为简化细胞病毒T细胞(cytotoxicity T lymphocytek, CTL)表位鉴定方法,应用改进的人工神经网络方法定量研究了短肽与MHC(major histocompatibility complex)分子结合亲合力的关系,并建立了CTL表位的预测模型,得到了预测模型最优性能参数.用此模型对短肽与HLA-A*0201分子结合的805个预测样本进行了预测,预测准确度达到73.8%.对来自黑色素MAGE-2的短肽与MHC分子的结合亲合力也进行了预测,结果较好.     

用人工神经网络模型预测高填方地基工后沉降

以人工神经网络模型(多层BP模型)为研究手段,对九寨黄龙机场元山子沟104 m的高填方地基工后沉降变形特性进行深入研究.认为高填方地基工后沉降包括填筑过程中产生的部分瞬时沉降、加载结束后的主固结和次固结三部分,瞬时沉降速率最高可达20 cm/month,发展时间约为15～40天;主固结速率为0.3～3 cm/month,发展时间为8～14个月;次固结速率小于0.3 cm/month,发展时间为3～5年.且高填方地基最终沉降量为42～44 cm,竣工后半年(2003年4月)工后沉降量完成40%～50%,一年后(2004年4月)可完成70%～80%,两年后(2005年4月)可完成90%～95%.     

小波分析和人工神经网络方法用于重叠色谱峰的解析

将神经网络与小波分析相结合，提出一种利用小波变换提取重叠色谱峰信息，再用人工神经网络解析的方法，为色谱峰重叠难于分开物质的测定提供一种方法，提高了色谱分析的准确度，并将此方法应用于高效液相色谱中，建立了混合体系中3，4-二甲酚和2，5-二甲酚同时测定的新化学计量学方法．     

镧系元素定量构效关系的神经网络研究．

研究了影响镧系元素物理化学性质的各种因素。以镧系元素的基态L值、鲍林电负性、4f电子排布周期因子q以及离子半径等为参数,使用以L—M优化算法为训练方法的BP神经网络,对9种镧系元素物理化学性质进行了关联。得到的结果：该人工神经网络方法比普通的线性回归方法要好,适用于复杂的定量构效关系研究。     

基于BP人工神经网络的大气颗粒物PM10质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。     

基于人工神经网络的锌基合金熔化焊HAZ摩擦学性能预测

为建立锌基合金焊补修复后的焊接区性能与其磨损工况关系,以ZA12合金熔化焊热影响区(HAZ)组织模拟试样的磨损试验数据为样本,采用径向基函数网络,建立由ZA12合金HAZ磨损工况条件与其摩擦学性能的人工神经网络模型。试验结果表明,训练出的网络模型具有收敛快、精度高等优点,完全可用于锌基合金熔化焊HAZ摩擦学性能预测．     

基于人工神经网络的2A70铝合金形变显微组织预测

在Gleeble-1500热模拟试验机上对2A70铝合金试样在变形程度为60％、变形温度为360℃～480℃、变形速率为0.01～1S^-1的条件下进行等温恒应变速率压缩试验及固溶处理。分析热变形参数对合金固溶后显微组织的影响,结果表明,2A70铝合金的晶粒尺寸随温度的升高而增大,随变形程度和速率的增大而减小。采用BP神经网络的方法预测2A70铝合金固溶处理后的平均晶粒尺寸,对于样本数据,模型的相对误差不超过±5％;对于非样本数据,模型的相对误差不超过±8％。     

基于优化BP算法的上证指数预测分析

上证指数变化是股市投资者重点关注的指标之一。文章基于BP神经网络来建立预测模型,结合遗传算法优化BP网络存在的不足,然后通过组合不同的辅助技术指标优化训练样本,探寻对上证指数预测准确度较高的混合算法。实验结果表明,优化后的混合算法能较好的预测上证指数未来一段时间的走势变化,为投资者提供决策辅助。