取代苯胺、苯酚对鲤鱼毒性的定量构效关系

测定了16种取代苯胺,苯酚化合物对鲤鱼96h的急性毒性,了中毒症状,根据受体学说,进行定量构效关系（QSAR）研究,建立了QSAR方程,结果表明,分配过程及有机物分子与细胞内分子间的上互作用是影响这两类化合物生物毒性的主要因素。     

利用SAS 9.0对卤代苯酚类化合物小鼠口服LD50定量构效关系的研究

利用SAS9．0中的最小R^2增量法选择法,对卤代苯酚类化合物小鼠口服LD50的定量构效关系进行了研究．利用计算机应用程序,在AM1和PM3模式下计算了30个卤代苯酚类化合物的14种量化参数,用24个化合物研究它们对小鼠口服急性毒性（LD50）的影响,经统计分析,又引入了多个参数的交叉项,以消除参数间的共线性．利用线性回归方法获得苯酚类化合物小鼠经口急性毒性预测模型．经模型验证及leave-one-out交互验证,筛选出下面的模型：Logtox=0．00003464＊TTT＋0．56640＊Polar＋0．00091484＊LHP-0．00214＊PH-0．00001903＊LEC,（R-Square=0．9917and C（p）=5．0000）．用另6个化合物作为测试集,证明该模型具有很好的预测能力,取得了良好的结果,为定量评估和预测其他卤代苯酚类化合物的有机毒性提供了良好的QSAR模型．     

2-氯苯酚与取代苯酚及苯胺类化合物对鲫鱼联合毒性效应的定量构效关系

通过急性毒性实验,测定了取代苯酚、苯胺类化合物及其混合物对鲫鱼的急性毒性效应,得到10种单一化合物的半致死浓度(CL50)以及12组混合物的半致死浓度(CL50mix).采用毒性单位法、相加指数法和混合毒性指数法对混合物的联合毒性效应进行了定性评价,2-氯苯酚与取代苯酚、苯胺类化合物的联合效应以部分相加和协同作用为主.以混合物的辛醇/水分配系数的对数(lgPmix)和前沿轨道能距(ΔEmix)为结构描述符,建立了联合毒性效应的定量构效关系(QSAR)模型.结果表明,化合物的脂溶性和反应性越强,混合物联合毒性越大,所得的模型对2-氯苯酚与苯胺类混合物的毒性有较好的预测能力.     

有机氟化合物急性毒性全息定量构效关系

运用分子全息定量构效关系(HQSAR)方法研究有机氟化合物对大鼠和小鼠的急性毒性.选择对小鼠毒性为研究对象,碎片长度为4~7,碎片区分参数为原子类型、化学键类型、氢原子、氢键给体和受体时,得到最佳模型(r2=0.978,q2=0.821).选择对大鼠毒性为研究对象,碎片长度为4~7,碎片区分参数为原子类型、连接性、氢原子和手性时,得到最佳模型(r2=0.908,q2=0.605).研究结果表明,所建模型具有良好的拟合效果和较高的预测能力.     

人工神经网络在肽的定量构效关系研究中的应用

本文作者用人工神经网络模型和“相互作用”法研究了几种肽分子的定量构效关系（QSARs）。“相互作用”法是一种新的表征肽分子结构的方法，它认为：（1）在肽分子链中，任何两个氦基酸分子间都存在相互作用；（2）氦基酸分子间存在的相互作用值不仅与核酸分子类型有关，而且与它们间的距离有关系；（3）肽分子的结构可以用TIV值（即肽分子中任意两个氨基酸分子间存在的相互作用值之和）来表征。这种方法的优点是不同的肽分子的结构都可以由TIV值表征，它有助于更方便地研究肽分子的定量构效关系。计算结果和实验结果的比较证明这种方法的效果令人满意。     

喹啉环取代喜树碱抗癌活性的定量构效关系研究

利用量子化学密度泛函理论(DFT)中的杂化泛函B3LYP对三个系列60个喹啉环取代的喜树碱衍生物(CPTs)进行了构型优化,在6-311+G(d,p)基组下计算出相应的电子结构参数;采用逐步多元回归方法对各组化合物建立了几个新的分子描述符与抗癌活性之间的定量结构-活性关系(QSAR)模型,探讨了影响化合物抗癌活性的主要结构因素及其作用机理.结果表明,所得QSAR模型具有良好的预测能力,影响药物活性的主要因素有分子极化率和原子净电荷以及及最高占据分子轨道能量.根据所建最佳QSAR可以较准确地预测喜树碱类衍生物的抗癌活性,这有助于未来设计合成新型高效抗癌喜树碱类似物以及改进和完善其作用机理.     

苯胺类化合物对发光菌的毒性及定量构效

测定13种苯胺类化合物,研究在pH值为5．0,7．0,9．0时对发光菌的急性毒性(15min-EC50)．应用两种理化参数logP和pKa,对毒性数据进行定量构效关系(QSARs)研究,探讨苯胺类化合物的毒性机制．结果表明,苯胺类化合物对发光菌的毒性随pH值的升高而增大,这与不同pH值下苯胺类化合物的电离程度有关．在相同pH值下,苯胺类化合物的毒性随取代基团的种类、个数及取代位置而不同．苯胺类化合物属于极性麻醉化合物,其对发光菌的毒性以亲电性为主,毒性可用logP和pKa来联合描述．     

硝基苯化合物生物毒性的定量构效关系研究

为深入认识硝基苯类化合物活性与其结构之间的关系,基于逐步回归方法,建立了精度较高的QSAR多元回归模型.研究中提取了35种硝基苯类化合物的5种结构参数、5种量子化学描述符及1种分子指示变量.运用逐步回归方法进行了变量的压缩和选择.进而实施了多元回归分析,并由所得结果进行了硝基苯类化合物结构与生物毒性关系的理论解释.     

启发式方法研究5'-甲硫腺苷核苷酶抑制剂定量构效关系

定量构效关系的研究已成为化学和环境科学研究中的一个前沿领域.对29个甲硫腺苷核苷酶抑制剂的结构进行优化得到描述其分子结构的5类描述符,并选择6个描述符运用启发式方法和RBFNN方法分别建立了描述29个5’-甲硫腺苷核苷酶的结构与其对5’-甲硫腺苷核苷酶的抑制活性之间的线性和非线性QSAR模型.RBFNN模型的训练集、预测集的相关系数(R2)分别为0.9681与0.9126.结果表明,RBFNN模型性能要优于HM模型,具有较好地预测和反映真实情况的能力,这为预测其他类似物的活性和设计新的抑制剂提供了理论依据.     

径向基函数神经网络在精馏塔软测量中的应用

精馏塔是化工过程中最常用的操作单元，具有银强的线性和时变性，故很难进行机理建模分析或常规在线实时控制，因而提出一种基于径向基函数神经网络的优化控制方案。通过利用径向基函数神经网络建立精馏塔产品质量的软测量模型，将软测量结果与现场数据比较，表明本模型具有比较准确的跟踪显示效果，并将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中。     

LAMOST有限元模型的径向基网络修正法

天文学的发展要求望远镜的口径越来越大,对其建立有限元模型进行动力学分析已成为必要步骤.为了保证理论分析结果符合实际,必须对有限元模型进行修正.针对大望远镜模型修正的难点,提出一种基于径向基神经网络的含有隐藏变量的改进迭代法.首先建立了LAMOST空间桁架和平衡系统的有限元模型.其次从实际出发,讨论了神经网络输入输出的选择方法.用有限的数据信息修正误差大的参数,而小误差参数作为神经网络的隐藏变量,可看作噪声而不予修正.采用均匀设计法获得神经网络的训练样本集,减小了计算量.然后在网络迭代求解过程中,每次在输出参数的附近增加均匀分布的若干个样本,而不是输出参数的单独一个样本,可防止网络性能突然变差,改善泛化特性.最后,悬臂梁和望远镜桁架仿真结果表明,含有隐藏变量的神经网络仍然能够收敛.用实测数据修正了LAMOST的平衡系统,表明了该方法的可行性和有效性.     

基于RBF神经网络的晶体生产组织评价

在晶体的生产组织过程中,采用相关分析法确定影响评价的主要因素,建立一种基于RBF网络的生产组织评价模型,利用最邻近聚类算法,确定基函数中心点,将该模型与BP网络模型进行比较,结果表明:RBF网络在学习时间和评估精度上优越于BP网络。     

打折最小平方RBF网络及其时间序列预测研究

借用打折最小平方(DLS)原理构建了基于误差平方准则的DLS-RBF网络的学习算法.打折最小平方原理考虑了时间序列本身的结构性变化,较好地刻画了预测点与其他时刻数据的相关性,而这些恰恰是现有的径向基函数神经网络(RBF)在预测过程中所忽视的.实验表明DLS-RBF网络在非平稳方差时间序列和某城市自来水实际的月用水量预测中的效果明显,并优于RBF网络,但在混沌时间序列预测的实验中,因其自身的混沌特性,预测效果并不十分明显.     

酚类生物降解性的从头算和分子设计

运用ab initio HF方法对甲酚等18种酚类化合物进行几何优化，在此基础上对它们的电子效应、取代基空间位阻效应和最高占有轨道能量(EHOMO)进行了系统的计算，计算结果表明，酚类化合物主要由电子效应和空间效应决定，同时前线轨道能量也反映出其降解难易的大致顺序，结果与实验事实相一致。     

基于RBF神经网络的青霉素发酵过程的模型辨识

分析了目前青霉素发酵过程中存在的问题.基于RBF神经网络的辨识方法,建立了青霉素发酵过程模型.以动力学模型为基础产生教师数据,采用遗传算法对网络进行训练,建立了基于RBF神经网络的发酵过程模型,并进行了仿真实验验证.实验结果表明,该辨识模型对青霉素补料分批培养过程具有实用价值.     

苯甲酸、苯酚及苯胺类在自然水体中的生物降解速率

以天然水中的混合细菌为降解微生物,通过实验测定,得到取代苯甲酸、苯酚及苯胺类化合物生化需氧量随时间的变化曲线,数据符合生物降解一级反应动力学方程.采用基团贡献法进行化合物的结构与生物降解速率常数之间的定量关系研究,各基团对生物降解性的贡献依次为:苯基、羧基、甲氧基/甲基、羟基、氨基、硝基.所得线性预测模型稳健性和预测性很好,大多数化合物的预测误差在±0 1之间,预测值与实测值的相关系数达0 929.     

基于RBF神经网络的软基沉降预测研究

将神经网络理论引入软基沉降预测领域．借助自控领域信号处理的思想，应用改进后的径向基函数神经网络的映射模式进行软基沉降的短期预测；软基沉降的长期预测实质上为基于神经网络的多维欧氏空间的曲面拟合问题，将地基压缩层从上到下分成若干段，每段的土性指标按段内各层土在段中的长度取加权平均作为系统的输入，将某个沉降模型的沉降曲线参数作为系统的输出，可以预测后期沉降曲线走势．实践表明，建立的基于RBF神经网络的软基沉降短期预测和长期预测模型是可行的，只要有足够多的训练样本，长期预测可以达到比较精确的预测效果．表5，参9．