核磁共振碳谱研究：烷烃的化学位移的估计与预测

依据Ｌｉｎｄｅｍａｎ ＬＰ和Ａｄａｍｓ ＪＱ给出的烷烃（Ｃ５－Ｃ９）所有异构体的核磁共振碳谱（Ｃ－１３ＮＭＲ）的化学位移数据，用来检验和改进及扩展ＧｒａｎｔＤＭ与Ｐａｕｌ ＥＧ估计与预测的核磁共振碳－１３谱化学位移参数，讨论了磁非等价性对碳谱化学位移的影响，给出了一种便利的相关关集，它能很好地将化学位移与烷烃分子结构相关性。     

硫逐膦酸盐的^31P核磁共振波谱研究

报导了八个硫逐膦盐的＾３１Ｐ磁共振波谱数据，探讨了取代基对＾３１Ｐ化学位移的影响。结果表明：直链烷烃酯基由２Ｃ增至６Ｃ时，＾３１Ｐ化学位移逐渐趋向高场；当直链烷烃酯基增至７Ｃ、８Ｃ后，＾３１Ｐ化学位移则移向低场；当酯基环后，＾３１Ｐ化学位移相对于直链烷基明显移向高场。     

定量构效关系研究中图论方法:路径长度指数P_1与烷烃~(13)C NMR化学位移和CSS

系统研究了图论方法在定量构效(性)关系(QSAR/QSPR)中的应用,研究了一种路径长度新的指数P_1,并发现它与烷烃~(13)CNMR化学位移和有良好线性相关性。     

烷烃总化学位移与分子结构之间定量关系的研究

根据分子结构的特点,探讨了烷烃13C总化学位移(Chemical Shift Sum,CSS)与其分子结构之间的关系.通过用距离矩阵表征分子结构的特性,提出了一种直接根据分子结构信息计算烷烃CSS的方法.对72种烷烃的计算结果表明,计算值与实验值之间的一致性令人满意,平均误差为1.78%,计算精度优于文献方法.该方法的提出,不仅在一定程度上揭示了烷烃CSS的变化规律,而且提供了一种计算烷烃CSS的有效方法.     

烷烃总化学位移与分子结构之问定量关系的研究

根据分子结构的特点，探讨了烷烃^13c总化学位移(Chemical Shift Sum，CSS)与其分子结构之间的关系．通过用距离矩阵表征分子结构的特性，提出了一种直接根据分子结构信息计算烷烃CSS的方法．对72种烷烃的计算结果表明，计算值与实验值之间的一致性令人满意，平均误差为1．78％，计算精度优于文献方法．该方法的提出，不仅在一定程度上揭示了烷烃CSS的变化规律，而且提供了一种计算烷烃CSS的有效方法．     

定量构效关系研究中图论方法：路径长度指数P1和与烷烃^13CNMR化 …

系统研究了图论方法在定量构效关系（ＱＳＡＲ／ＱＳＰＲ）中的应用，研究了一种路径长度新的指数Ｐ１，并发现它与烷烃＾１３ＣＮＭＲ化学位移和有良好线性相关性。     

长链离子液体的合成及性质

以N-甲基咪唑和溴代烷烃为原料,通过微波法合成了3种长链离子液体1-烷基-3-甲基咪唑溴盐(CnmimBr,n=12、14、16),并以C16mimBr为中间体,经过阴离子交换得到1-十六烷基-3-甲基咪唑四氟硼酸盐(C16mimBF4),研究4种离子液体的咪唑环上质子化学位移、熔点和在不同溶剂中溶解性等性能.结果表明:N1上取代的烷基对咪唑环质子化学位移影响不大,而阴离子易于与咪唑环上H2形成氢键,使其化学位移向低场移动; CnmimBr的熔点随着N1取代基链长的增加而升高,当C16mimX(X=Br或BF4)的阳离子相同时,阴离子体积小的离子液体的熔点较高;离子液体在水、乙醇、乙酸中能较好地溶解,而在乙醚、苯、正己烷中不溶解或难溶.     

1-烷基-2,3-二甲基咪唑溴盐的合成及表征

以1,2-二甲基咪唑和溴代烷烃为原料,合成了5种离子液体中间体1-烷基-2,3-二甲基咪唑溴盐.讨论了反应时间、反应温度和原料摩尔比对产物收率的影响,得到最佳的条件是:溴代烷烃与1,2-二甲基咪唑以1.1∶1(摩尔比)的比例,在90℃下反应24 h.产物结构经IR和1H-NMR确证,得出结论:阳离子烷基链长度的增加会使3 100~3 000 cm-1波数范围内谱带减弱,降低离子液体的熔点,而对咪唑环上质子化学位移影响不大.     

喹啉生物碱~（13）C－NMR化学位移的研究Ⅱ取代基效应因子与化学位移定量关系

本文通过对喹啉生物碱１３Ｃ－ＮＭＲ化学位移与模型化合物的取代基参数的分析研究，提出了喹啉生物碱化学位移取代基效应因子，由此得到化学位移经验公式，预测化合物的化学位移．计算结果表明，在大多数情况下，计算值与文献值吻合良好．     

热带假丝酵母的二元酸分泌现象及其动力学

在热带假丝酵母（Ｃａｎｄｉｄａ ｔｒｏｐｉｃａｌｉｓ）发酵生产十三碳二元酸体系中,细胞内有二元酸和烷烃的积累,其酸分泌相对于胞内烷烃的转化是快过程。为了解释细胞的生物转化和分泌现象,并为对进一步生产过程的优化作理论准备,该文以静息细胞为实验对象,利用磷酸盐缓冲溶液的ｐＨ 变化精确计算酸分泌量,研究了胞内二元酸的分泌和烷烃转化过程的动力学,基于酸分泌机理,提出了产酸化学结构模型。模型对二元酸分泌量的模拟值与试验值吻合得较好,相对误差小于５％ 。     

CRSNs中基于传感器选择的高能效频谱感知算法

协同频谱感知(cooperative spectrum sensing, CSS)是认知无线电传感器网络中解决频谱资源稀缺的主要手段,针对现有频谱感知方法在降低能耗方面存在的不足,考虑一种从主要用户接收的具有不同的信噪比值的传感器所组成的真实网络场景,提出一种基于传感器选择的高能效频谱感知算法。该算法将可被传感器用来传输数据的信道按时间分成相等的框架,每框架中包含3个阶段：频谱感知、报告和数据传输;通过聚类得到所有能够满足CSS所需精度的传感器子集,并计算在每次协同频谱感知中这些传感器的平均能耗;在考虑传感器剩余能量的基础上,将每个框架中使用最少数量的传感器参与CSS过程建模为面向能耗的优化问题,并提出一种启发式算法进行求解。仿真实验结果表明,与现有的其他频谱感知方法相比,提出的算法在能量利用方面具有更好的性能。     

基于复合神经网络的网络业务分类算法

针对目前计算机网络业务流管理问题,提出了一种基于复合神经网络的网络业务分类方案．将复合神经网络用于网络业务源特征提取与分类的研究中,打包法和BP算法结合用于复合神经网络的训练．并分析比较与单个神经网络和模糊神经网络算法用于网络业务分类效果．计算机仿真结果表明,复合神经网络分类收敛快、误差小,比单个神经网络算法和模糊神经网络算法更优越；同时,研究结果为解决网络业务源特征提取与分类提供了一种有效的途径．     

人工神经网络辅助汽车变速箱设计

针对汽车变速箱优化设计中所存在的大计算量、多图表问题,提出应用人工神经网络进行映射辨识·根据BP网络在特征识别上的优势,以其为工具,通过算法改进,对设计数据进行应用以提高计算速度和编程处理能力,消除数据的“组合爆炸”现象·对具体数据、图表的实际应用表明,人工神经网络方法能够很好地表达原图表数据关系,使数据应用更加灵活、方便,数据的识别精度能够满足计算要求·     

用BP神经网络对气流床粉煤气化炉的预测

利用3层BP神经网络对气流床粉煤气化炉进行模拟研究.以Gibbs自由能最小化方法建立粉煤气化炉数学模型的模拟结果作为BP神经网络训练数据,训练后的BP神经网络模型对模拟数据的预测准确度较好.以Shell粉煤气化炉和国内首套粉煤加压气化中试装置上的实际生产数据作为BP神经网络的训练数据,训练后的BP神经网络模型能预测实际生产数据.     

改进萤火虫算法与小波神经网络相结合的变压器故障诊断

为了解决变压器故障诊断中诊断效率低的问题,本文对萤火虫算法(FA)进行了改进,并与小波神经网络(WNN)相结合应用于变压器故障诊断中。小波神经网络结构简单,预测精度高,收敛速度快,但是网络参数不好选择,易陷入局部最优。本文结合混沌算法、粒子群算法、可变步长的思想来改进萤火虫算法,用于优化小波神经网络的参数,再将处理后的数据带入神经网络中进行训练与诊断。实验结果表明,该算法与BP神经网络、支持向量机、小波神经网络、遗传算法改进的小波神经网络和粒子群算法改进的小波神经网络相比诊断正确率均有所提高。     

神经网络控制系统仿真

利用基于神经网络修正误差ＢＰ学习算法的多层网络和间接学习或专门学习的动态逆特性控制方法＾［１］编制的神经网络控制系统的仿真软件（ＳＣＳＢＮＮ），给出了调节时间和最大超调量与神经网络中间层节点数的关系曲线，同时给出了各种学习率和神经元作用函数增益的响应曲线。ＳＣＳＢＮＮ也可用于神经网络非线性控制系统。仿真结果说明神经网络非线性控制系统具有良好的控制性能。     

近红外光谱分析中人工神经网络法的应用

设计了实用的人工神经网络模型进行定标并预测. 用误差反向传播算法, 构造了三层的神经网络结构, 用于解决光谱分析中谱峰重叠严重、 噪声较大等问题. 在定标样本数量较大的情况下, 应用人工神经网络方法对玉米的蛋白质含量和近红外吸收光谱进行了分析和讨论. 实验结果表明, 人工神经网络方法优于线形回归法和偏最小二乘方法.     

用Hopfield神经网络求解一类Markov链的客户关系管理模型

以客户关系管理(custom er re lationsh ip m anage-m en t,CRM)的数学模型为背景,研究了如何用Hop fie ld神经网络构建一类M arkov链表述的CRM的客户分类分析和评价的计算模型。从一种不同于现CRM的对客户关系评价的思路入手,用M arkov链建模。分析该类马氏链建立的CRM数学模型的特点(无限次交易),分析连续Hop fie ld神经网络计算的内在特点。从矩阵结构和求逆的角度,发现这两个不同概念模型的数学模型具有相同的特点。研究结果将该类马氏链的CRM模型计算同Hop fie ld神经网络计算关联起来。这表明可以用连续Hop fie ld神经网络计算该类M arkov链的CRM模型。     

递阶结构进化神经网络在故障诊断中的应用

主要研究进化神经网络在旋转机械故障诊断中的应用 ,提出了一种基于递阶结构的遗传算法与进化规划相结合的神经网络学习新算法 ,利用该算法可以同时对网络进行结构优化和权重求解。通过旋转机械故障分类应用实例 ,与传统的 BP训练算法作了比较 ,证明基于递阶结构的进化神经网络算法不仅在权重训练方面比传统 BP训练算法更加快速稳定 ,避免陷入局部极小点 ,而且同时对网络结构进行了优化 ,得到了结构更为简捷的旋转机械故障分类网络     

基于遗传小波神经网络模型的脱机签名鉴定

根据脱机中文签名的特点,提出了一种用基于遗传算法的小波神经网络进行脱机中文签名鉴定的方法.基于遗传算法的小波神经网络模型结合了遗传算法的全局搜索能力和小波神经网络快速高精度的特点,克服了梯度下降法易陷入局部极小和引起振荡效应等缺点.该模型用遗传算法对小波神经网络的各参数进行前期优化训练,再用梯度下降法对参数进行二次优化.实验结果表明,将此模型用于脱机签名鉴定系统,与单独采用BP网络或小波神经网络相比,性能有明显的提高.