从共振能的角度研究4种苦基三唑衍生物的撞击感度

共振结构在芳香族硝基化合物、杂环硝基化合物以及高氮化合物中普遍存在,准确计算这些化合物中的共振能,对预测含能材料的冲击波感度,合理设计与合成新型含能材料分子具有重要意义。采用密度泛函BLYP/DNP方法,结合等键反应方程计算了4种苦基三唑衍生物的共振能。计算结果表明,4种苦基三唑衍生物的共振能与其撞击感度(H50)有内在联系,共振能越大,撞击感度越低。     

BP网络用于香梨酒香气成分的QSRR研究

采用误差反传前向人工神经网络建立54种香梨酒香气成分的结构与色谱保留之间的定量关系模型(ANN模型).以54种香梨酒香气成分的分子连接性指数和分子形状属性指数作为输入,色谱保留时间作为输出,采用内外双重验证的方法分析和检验所得模型的稳定性和外部预测能力,所构建网络模型的相关系数为0.998、交叉检验相关系数为0.997、标准偏差为0.289、残差绝对值≤1.12,应用于外部预测集,外部预测集相关系数为0.984;而多元线性回归(MLR)法模型的相关系数为0.951、标准偏差为1.33、残差绝对值≤3.08,外部预测集相关系数为0.953.结果表明:ANN模型获得了比MLR模型更好的拟合效果.     

25种持久性有机污染物飞灰-水分配系数的定量结构性质关系研究

分别采用多元线性回归(MLR)和径向基函数人工神经网络(RBF - ANN)建立了2个不同的持久性有机污染物飞灰-水分配系数(Ksc)的定量结构性质关系(QSPR)模型,并应用留一交叉验证方法对所建立的模型进行了检验.用所建立的模型研究了25种有机污染物的飞灰-水分配系数的定量结构性质关系.结果表明:MLR模型预测的l...     

芳香族硝基化合物生物降解代谢研究现状与展望

针对空气、水、土壤中严重污染物——芳香族硝基化合物越来越多的现状 ,提出一条快速、有效降解芳香族硝基化合物的新途径 ,即采用生物工程技术 ,通过深入研究微生物降解芳香族硝基化合物的生物化学和遗传学特性 ,按照预期目的构建具有更大降解能力的遗传工程菌株 ,以促使污染物的无害化和资源化 .并综述了具有代表性的一硝基、二硝基和三硝基类芳香族化合物的生物降解途径的多样性及所涉及的基因工程技术等方面的国内外研究情况 ,指出了生物降解该类化合物的研究方向     

沥青生产过程中软化点的SVR预测

根据30组不同电阻和温度下的沥青软化点的实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,并结合留一交叉验证(LOOCV)法对沥青软化点进行了建模和预测研究,将其预测结果与多元线性回归(MLR)模型的计算结果进行了比较。SVR-LOOCV预测的最大误差为2.1 ℃, 远比MLR模型计算的最大误差7.9 ℃要小得多。统计结果表明：基于SVR-LOOCV预测结果的均方根误差(RMSE=0.75 ℃)、平均绝对误差(MAE=0.32 ℃)和平均绝对百分误差(MAPE=0.28%)相应也比MLR回归模型的预测结果(RMSE=3.3 ℃,MAE=2.6 ℃和MAPE=2.34%)要小。因此,应用SVR实时预测沥青产品的软化点,可为生产优质沥青提供准确的科学指导。     

树脂催化水合肼还原芳香族硝基化合物

通过离子交换法制备了几种阳离子树脂,将其用于催化水合肼还原芳香族硝基化合物制备芳胺.用XRD对树脂进行表征,表明金属阳离子在树脂中高度分散.实验结果表明铁(III)树脂、镍(II)树脂和铋(III)树脂对水合肼还原芳香族硝基化合物具有催化活性,其中铁(III)树脂的活性最高.10mmol芳香族硝基化合物、20mmol水合肼和1g铁(III)树脂在10mL乙醇中回流反应,所得芳胺的收率为85%～99%.     

基于分子形状与电性拓扑状态指数预测烃类物质粘度的研究

基于定量结构性质相关性(Quantitative structure-property relationship,QSPR)原理,以2种Kappa分子形状指数与9种电性拓扑状态指数作为描述符,研究了烃类物质粘度(η)与其分子结构间的内在定量关系。以65种化合物作为样本集,随机选择其中52种作为训练集,剩余13种作为测试集,分别采用多元线性回归方法(Multiple linear regression,MLR)和支持向量机方法(Support vector method,SVM)建立模型进行分析测试。研究结果表明:SVM模型对烃类物质粘度具有很强的预测能力,该方法所得模型在模型拟合和预测能力方面大大优于MLR模型。同时,应用Jackknifed法对SVM模型进行了稳健性检验,进一步说明了SVM对于烃类物质粘度的预测模型的稳定性与可靠性。该研究提供了一种新的预测烃类物质粘度的方法。     

采用BP&SA混合学习策略的短期电力负荷预测方法

提出了一种BP混合模拟退火(SA)的ANN短期负荷预测方法,该方法针对传统BP学习算法的缺点,将BP算法和模拟退火算法的优点相结合以提高网络的学习性能.ANN模型中考虑了温度和预测日类型,可进行工作日和节假日的预测,实例表明ANN模型实用有效、精度高.     

SVR—CKNN预测用于HIV-1蛋白酶抑制剂QSAR建模

为提高药物定量构效关系（QSAR）模型预测精度,发展了一种新的QSAR建模方法SVR—CKNN。该法基于支持向量机回归（SVR）自动筛选化合物结构描述符,以k-最近邻建立多个子模型实施组合预测（CKNN）。应用于49种HIV-1蛋白酶抑制剂QSAR研究,留一法预测结果表明SVR—CKNN预测精度明显优于多元线性回归（MLR）、逐步回归（SLR）、偏最小二乘回归（PLS）和神经网络（BP—ANN）等传统模型。SVR—CKNN基于结构风险最小,具非线性、适于小样本、泛化推广能力强、稳定性好、不依赖操作者经验等诸多优点,在药物设计等研究中应用前景广泛。     

基于QSAR和PCA方法的硝基芳烃综合毒性评价

化学品的风险评价与管理应该关注基于多种生物体效应的综合毒性。为了评价毒性数据稀缺化合物的综合毒性,以50种硝基芳烃为研究对象,收集了它们的多种生物毒性数据,建立了稳健的定量结构活性相关(quantitative structure-activity relationship,QSAR)模型,预测缺失毒性数据,解释了硝基芳烃的致毒机理——硝基芳烃与生物受体分子的亲电反应活性是决定其毒性的主要因素。然后应用主成分分析(principle componentan alysis,PCA)方法对基于QSAR模型计算获得的50种硝基芳烃的各种生物毒性数据进行分析,计算综合毒性因子(integrated toxicity index,ITI),对综合毒性因子进行QSAR分析,得到可直接由硝基芳烃结构参数预测综合毒性因子的单参数QSAR模型。结果表明,QSAR与PCA方法的结合可以成功地评价和预测硝基芳烃的综合毒性。     

人工神经网络用于苯砜基羧酸酯定量结构-活效关系研究

采用误差反传前向人工神经网络（artificial neural network,ANN）建立了56种苯砜基羧酸酯类化合物的结构与其对发光菌的急性毒性之间的定量关系模型（ANN模型）．以56种苯砜基羧酸酯类化合物的量子化学参数作为输入,急性毒性作为输出,所构建网络模型的交叉检验相关系数为0．9863、标准偏差为0．0753、残差绝对值≤O．20,应用于外部预测集,预测集相关系数为O．9880;而多元线性回归（multiple linear regression,MLR）法模型的相关系数为0．9472、标准偏差为0．1413、残差绝对值≤0．34．结果表明：ANN模型获得了比MLR模型更好的拟合效果．     

氧化铝晶种分解能量传递过程的动态建模

建立描述拜耳法生产氧化铝工艺中晶种分解工序的单槽和串联槽的能量传递过程的动态机理模型.应用某氧化铝厂的实际生产过程数据对该模型进行仿真计算验证模型的可靠性和准确性.研究结果表明:该模型揭示了分解温度与其影响因素(过程变量及工艺参数)之间的关系,当已知生产条件和操作参数时,可应用该模型预测全工序各种分槽的晶种分解温度;当已知各个种分槽的最佳分解温度时,可应用该模型进行生产工艺允许条件约束下的多变量寻优,获取以最佳分解温度分布为控制目标的全工序生产操作优化决策.因此,该模型具有重要的理论意义和显著的实用价值.     

煤自燃预测的支持向量回归方法

煤自燃温度的准确预测是矿井煤自燃防控的关键。为了科学准确地预测采空区煤自燃温度,在大佛寺煤矿40106综放工作面开展现场观测实验,以现场束管监测系统数据为基础,采用粒子群优化算法(PSO)优化支持向量回归(SVR)参数,建立了煤自燃温度预测的PSO-SVR模型;同时,在保证训练和测试样本不变的前提下,建立了标准SVR模型、BP神经网络(BPNN)模型和多元线性回归(MLR)模型,并与PSO-SVR模型预测结果进行对比分析。MLR,BPNN,SVR和PSO-SVR模型训练样本预测结果的平均绝对百分比误差(MAPE)分别为:5.75%,0.84%,4.16%和1.13%,测试样本预测结果的MAPE分别为:5.17%,3.03%,3.83%和1.34%.结果表明:MLR模型预测结果最差,说明煤自燃温度与气体指标之间的非线性关系更显著,线性模型不宜于煤自燃预测;BPNN模型训练样本预测效果极佳,但测试样本预测效果较差,易出现"过拟合"现象,泛化性较差;PSO-SVR模型预测精度较标准SVR模型有了极大提高,更适宜于煤自燃预测。     

单电极中潜伏期反应的听觉注意特征提取与识别

通过提取单电极中潜伏期反应(MLR)的特征差异,研究并实现了正常个体听觉注意与非注意2种状态的识别.首先,对MLR信号进行小波滤波、阈值去伪迹、相干平均等预处理;然后,分析了MLR在2种状态下的成分波差异,并将Na,Pa,Nb波的幅值与能量、面积、C0复杂度、AR模型系数等传统特征组合成为新的特征向量;最后,采用支持向量机(SVM)和人工神经网络(ANN)在传统特征向量和新特征向量下进行目标识别.8位被试的实验结果显示,在2种不同状态下,被试的Na,Pa,Nb波幅值具有显著性差异(p0.05),而潜伏期并无差异.ANN作为分类器时,新特征向量的平均识别正确率可达85.7%.由此可见,利用单电极中潜伏期反应区分听觉注意与非注意状态是有效的.     

公路边坡稳定性神经可靠度评价

利用人工神经网络(ANN)的强大非线性动态处理能力,较强的计算能力和容错特性以及建模不受严格条件限制等优点,把ANN模型作为可靠度计算的功能函数,将神经网络与可靠度计算耦合起来,提出边坡稳定性评价的神经可靠度法,并对具体公路边坡进行神经可靠度评价,结果表明,该方法是有效、可行的.     

SVM用于2-杂环芳基苯并二氢吡喃-4-酮衍生物QSRR研究

将支持向量机(SVM)用于15种2-杂环芳基苯并二氢吡喃-4-酮衍生物的定量结构-色谱保留相关(QSRR)研究.通过核函数的选择及核函数参数的优化,建立了预测模型,预测了该类化合物色谱容量因子,得到优于多元线性回归(MLR)方法的预测结果.实践表明,SVR算法能较好地解决小样本、非线性等问题,并能够有效控制过拟合,提高算法的预报能力.     

一种基于经验模态分解的时间序列预测方法

针对来源于实际问题的时间序列非线性、非平稳、多尺度复合的特点建立了一种基于经验模态分解(EMD)的ARIMA时间序列预测模型,即EMD-ARIMA模型.首先,借助经验模态分解将时间序列分解为多个不同时间尺度的内在模函数和一个趋势项,并确定每个内在模函数的季节性趋势;其次,对每个内在模函数使用季节性ARIMA模型进行预测,对趋势项使用趋势移动平均模型进行预测;最后,将所有内在模函数和趋势项的预测结果进行复合得到原时间序列的预测结果.数值实验结果表明,EMD-ARIMA方法能够揭示真实时间序列内在的多尺度复合特征和季节性变化规律;与经典的ARIMA模型和人工神经网络(ANN)模型相比,EMD-ARIMA模型明显提高了预测精度,因而是一种可靠的非线性、非平稳时间序列预测方法.     

基于HPLC和模式识别的绿茶分类

为判别不同绿茶的类别,利用高效液相色谱分析茶叶中儿茶素和咖啡因等内部有效成分的质量分数,根据其质量分数利用模式识别方法进行分类.试验以5种中国绿茶为研究对象,首先,采用高效液相法分析茶叶中表没食子儿茶素、(+)-儿茶素、表儿茶素、表没食子儿茶素没食子酸酯、表儿茶素没食子酸酯和咖啡因等6种有效成分的质量分数.在此基础上,分别运用线性判别分析(LDA)、K最邻近(KNN)和人工神经网络(ANN)等模式识别方法建立相关模型对5种绿茶进行判别分析,试验结果表明ANN判别模型效果最好,模型训练和预测时的判别率分别达到98%和92%.研究结果表明,利用HPLC分析茶叶中的儿茶素和咖啡因等质量分数,再结合ANN模式识别的方法可以对不同类别的绿茶进行定性判别.     

氟化酚类化合物结构与生物毒性关系研究

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16种氟化酚类化合物的结构进行了表征.运用多元线性回归(MLR)方法,研究并建立了氟化酚类化合物定量结构与生物毒性关系的5变量模型,其复相关系数(R)为0.914.上述模型对16种氟化酚类化合物毒性的预测值与实验值能较好吻合,留一法交互检验的复相关系数(RCV)为0.856.结果表明所建模型具有良好的稳定性和预测能力.     

多硝基芳香族化合物的静电火花感度与分子的电子性质的关系

主要研究多硝基芳香族化合物的静电火花感度与分子的电子性质的关系。应用密度泛函理论,在B3LYP/6-311G(d,p)水平下对分子进行几何结构的全优化和频率计算,建立了静电火花感度与最低空轨道能级、硝基所带的电荷、芳香环的个数以及芳香环上某些取代基的个数之间的关系式。试验组的17种化合物和测试组的11种化合物,通过该关系式计算得到的静电火花感度值与试验值十分合理的接近。因此,该方法可用来预测多硝基芳香族化合物的静电火花感度。