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．     

有机磷农药的气相色谱保留值与定量结构性质相关研究

用分子电性距离矢量(MEDV)表征有机磷农药的分子结构,运用多元线性回归(MLR)技术和逐步回归(SR)一起统计检测筛选模型变量,建立26种有机磷农药的气相色谱(GC)保留指数(RI)与MEDV的定量关系模型.模型的相关系数R=0.931 1.留一法交互检验相关系数RLOO=0.854 4,SDLOO=3.296 2;外部样本的预测结果为:Qext=0.911 6.表明,所建模型稳定性和预测能力均良好,MEDV能较好地表征该类分子的结构特征.     

杜松籽油香气成分的理论分析模型

为研究杜松籽油香气成分的色谱保留指数与结构之间的定量结构-保留相关关系,在分子邻接特性及拓扑理论基础上,计算了65个杜松籽油香气成分的电性拓扑状态指数和分子连接性指数.将其中8种结构参数(~1X、~5X_c、E_1、E_2、E_3、E_5、E_6和E_8)作为结构描述子,引入到与杜松籽油香气成分的色谱保留指数相关的多元回归方程,构建了拟合度高、预测能力强的QSRR模型.将筛选的8种结构参数作为神经网络输入层单位神经元,采用8∶4∶1的网络结构,构建了有较强预测能力的神经网络模型,模型的总相关系数rt为0.9972,色谱保留指数的预测值与文献值的相对平均误差仅为0.88%,2者吻合度令人满意.结果表明杜松籽油香气成分的保留指数与8种结构参数之间有良好的非线性关系,研究结果为杜松籽油在药食两用产品的开发利用方面提供了理论依据.     

食品香味物质分子连接性拓扑指数mP与性质的定量关系

在分子支化度拓扑指数的基础上,定义了一个新的拓扑指数^mP,用其0、1阶拓扑指数⁰P、¹P分别与食品香味物质酯、酮的色谱保留值、香气阈值相关联,建立了食品香味物质酯、酮拓扑指数^mP与色谱保留时间、阈值之间的关系模型,两模型的相关系数（r）分别为0.998、0.975,标准偏差（S）分别为0.020、0.183。通过"留一法"交互检验证明,所建模型具有良好的稳定性和预测能力。     

烷基硫醚气相色谱保留指数预测

以4种原子类型电性拓扑态指数(E-state indices)为参数,对64种烷基硫醚在4种不同极性固定相上的气相色谱保留指数分别进行了定量结构-色谱保留相关(QSRR)研究. 采用多元线性回归(MLR)方法建立模型,线性相关系数R在0.987 7～ 0.994 2之间,标准偏差在15.254 4～21.181 3之间,相关性良好;采用留一法(LOO)对模型稳健性进行检验,相关系数RLOO在0.985 2～0.992 9之间. QSRR模型具有显著的统计学意义和很好的预测可靠性.     

基于野韭菜挥发性成分的色谱保留指数神经网络预测

为研究野韭菜挥发性成分的性质,预测其色谱保留指数,运用 ＭＡＴＬＡＢ相关自编程序计算得到了野韭菜挥发性成分的分子形状指数和电性拓扑态指数,将这两类参数作为分子结构描述参数,借助多元逐步回归法优化筛选了其中结构参数^２Ｋ、^３Ｋ、^４Ｋ、Ｉ２和 Ｉ６,建立了野韭菜挥发性成分色谱保留指数的 ＱＳＲＲ模型,相关系数为 ０９６３,通过对模型的稳定性和预测能力进行检验,检验的相关系数 ｒ基本也稳定在 ０９６３左右。用这 ５个筛选出的结构参数作为人工神经网络的输入层参数,采用 ５ ２ １的网络神经结构,利用 ＢＰ算法建构神经网络模型,总相关系数达到 ０９９６的优级相关,利用此模型计算得到的预测值与实验值吻合度较为理想,相对平均误差仅为 １６７％,结果显示 ＢＰ神经网络所得结果优于多元线性回归方法。     

分子电距矢量对醇类气相色谱保留指数的预测

用MEDV描述子对55个醇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定量结构-色谱保留值关系.借助多元线性回归、逐步回归和交互检验建立了分子电距矢量和55个化合物的气相色谱保留值之间的定量结构-色谱保留值相关模型(QSRR),线性回归十参数模型的复相关系数达到了0.995 0,逐步回归七参数模型复相关系数为0.989 6,交互检验的RCV值为0.970 0,表明模型对样本具有一定的稳定性和预测能力.     

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.     

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.     

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．     

烷烃的毛细管气相色谱保留指数的分子拓扑

在色谱分析中 ,色谱保留指数作为定性指标的保留值是一种较为可靠的参数 .通过计算石脑油中 34种烷烃的氢连接性指数 ,用多元线性回归将它与毛细管气相色谱保留指数进行关联分析获得良好的相关性 ,相关系数R为 0 .990 0 ,标准偏差 s为 15 .2 4 .所建立的回归模型具有良好的稳定性和预测能力     

利用新的价连接性指数估算醇类化合物Kováts指数

以连接性指数为结构描述符,用多元回归技术建立了醇类化合物的结构与色谱保留值的相关性模型,各样本总体所建模型的相关系数均在0.98以上,这些模型较好地解释了醇类化合物保留指数的递变规律.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,相关系数均在0.98以上.该模型相关系数高,稳定性好,预测能力强.     

利用新的价连接性指数估算醇类化合物Kov(a)ts指数

以连接性指数为结构描述符,用多元回归技术建立了醇类化合物的结构与色谱保留值的相关性模型,各样本总体所建模型的相关系数均在0.98以上,这些模型较好地解释了醇类化合物保留指数的递变规律.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,相关系数均在0.98以上.该模型相关系数高,稳定性好,预测能力强.     

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.     

环境毒物分子结构参数化表达与色谱保留定量性相关

在烷烃分子距边矢量的基础上,提出一种以各种非氢原子为基准的分子距离边数矢量（VMDE;μ矢量）,表征一环境有毒物二恶英的分子结构并借助多元线性回归方法分别建立了二恶英在非极性与极性色谱柱上的色谱保留指数或相对保留时间与其结构表征参数μ矢量间的定量结构保留关系（QSRR）模型,在非极性与极性色谱柱（DB－5,SP－2100,SE－54,OV－1701）上色谱相对保留时间的QSRR模型的线性相关系数均在0．93以上,高达0．9985。为检验模型的稳定性和预测能力,还进行了留一法交互检验（cross validation with leave-one-out of procedure),结果优良。     

香水百合头香成分色谱保留指数的人工神经网络预测

基于分子拓扑学理论计算了香水百合头香成分35个化合物的分子连接性指数Xi、电性拓扑状态指数Ej和分子电性距离矢量M_k。采用最佳变量子集回归方法确定了最佳变量组合X_1,E_9,M_9和M_(10),并用这4个变量作为神经网络的输入层单元,建立了香水百合头香成分化合物气相色谱保留指数RI的人工神经网络模型。采用该模型对RI值进行了预测,预测结果与实验值接近,平均相对误差为1.165%。该方法成功预测了化合物的气相色谱保留指数,对于探索色谱保留机理、选择合适的分离条件等有参考价值。     

交互柱法研究固定相极性参数对饱和醇QSRR建模的影响

运用chemoffice2004对25个饱和醇的分子结构进行优化,通过Dragon6.0获得1 897个分子结构参数值,再用逐步回归、最佳子集等方法筛选出Chi_H2,REIG等参数,运用多元线性回归(MLR)方法构建了饱和醇在6个不同极性色谱固定相上的定量结构-色谱保留相关关系(QSRR)模型,相关系数R达到0.98以上.在此基础上建立交互柱QSRR模型,考察色谱固定相极性参数(麦克雷诺常数M_p)对饱和醇保留指数的影响.研究结果表明:包含固定相极性参数M_p的交互柱QSRR模型方程对饱和醇在不同极性色谱柱上的色谱保留指数都能得到较准确的预测结果.     

基于分子结构矩阵的二烯烃顺反异构体的QSRR研究

为有效区分二烯烃的顺反异构现象,用分子拓扑图的距离矩阵和邻接矩阵建立了二烯烃顺反异构体的分子结构矩阵,将分子结构矩阵行、列向量的1?范数i?、j?作为分子的结构信息指数用于二烯烃顺反异构体结构物性规律的研究,建立了定量结构-色谱保留关系(QSRR)的数学模型.用92种二烯烃顺反异构体色谱保留指数的实验值做线性回归分析,其复相关系数为0.992;用该模型预测的色谱保留指数与实验值吻合良好.留一法(LOO)交互验证和随机抽样预测结果表明,本文模型具有良好的稳定性和较强的预测能力;同时,本文所建模型参数的物理意义较明确,计算容易,方法可靠实用,易于推广.     

芳香族硝基化合物自加速分解温度的定量结构-性质关系

针对芳香族硝基化合物生产、运输以及储存过程中引发的重特大燃爆事故,采用试验及模型计算等方式对其自加速分解温度(SADT)进行获取,并提出一种基于定量结构-性质关系(QSPR)的理论预测方法。通过绝热加速量热试验获取18种芳香族硝基化合物的热力学和动力学参数,以此计算得到25 kg标准包装下物质的自加速分解温度。应用多元线性回归(MLR)和人工神经网络(ANN)等机器学习方法分别构建相应的预测模型,最终验证并比较两种模型的拟合能力、鲁棒性和预测能力。结果表明：芳香族硝基化合物对应MLR模型和ANN模型的相关系数分别为0.893和0.975,ANN模型在匹配度方面明显优于MLR模型。     

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.