改进GA算法结合ANN用于酚类化合物的QSAR研究

采用改进的遗传算法(IGA)和BP人工神经网络相结合的方法,研究了50个酚类化合物的麻醉毒性和分子结构之间的相关性,并与单纯用BP人工神经网络建立的模型进行比较.结果表明,该方法克服了人工神经网络训练中的局部最优问题,采用最优交叉和变异等遗传策略,有效地解决了收敛过程中的振荡问题,所得模型的训练精度和预测精度均优于单纯的BP人工神经网络QSAR模型.     

水溶性偶氮染料光催化降解性质的定量构效关系

使用草酸铁络合物／过氧化氢光催化氧化体系对32种水溶性偶氮染料进行光催化氧化降解反应，通过选择分子结构描述符和应用多元回归分析方法对其光催化降解性质中的脱色率和半衰期进行了定量构效（QSPR）研究．结果表明，染料分子结构描述符MW／S值、芳香环数目偶氮基数目和与I／O值与脱色率和半衰期之间存在着较好的线性相关性，其中MW／S值和偶氮基数目对脱色率和半衰期的贡献最为显著；所获得的QSPR定量关系模型可用于计算和估计水溶性阴离子偶氮染料的理论脱色率和半衰期，     

QSPR在有机物燃烧特性预测中的应用和进展

定量结构-性质相关性（QSPR）研究将有机物结构特征表征方法和各种统计建模工具相结合，研究有机物结构与其各种性质之间的内在关系．它不仅可以揭示物质性质与分子结构之间的定量函数关系，而且为工程上提供预测有机物性质的有效方法，因此在众多领域得到了广泛的应用．阐述了QSPR研究基本原理，论述了其在闪点、自燃点、爆炸极限等化学物质燃烧特性预测中的应用和进展．并对各性质的不同预测模型进行了比较，分析其优缺点及适用范围．对实验样本设计、分子结构表征及建模方法选择等的研究现状和发展趋势进行了讨论，提出了QSPR在安全科学研究中的应用前景和发展方向．     

水溶性阴离子偶氮染料的非均相Fenton氧化降解性能的QSPR研究

为了更好地理解偶氮染料结构与降解性能之间的关系,将改性聚丙烯腈(PAN)纤维铁配合物作为非均相Fenton反应催化剂应用于28种典型水溶性阴离子偶氮染料氧化降解反应中,使用多元线性回归方法分别考察了其分子结构与脱色率和总有机碳(TOC)去除率之间的定量关系,并使用所建立的QSPR(结构与性能之间的定量关系)模型方程预测了同类染料的降解性能.结果表明,改性PAN纤维铁配合物存在时不同结构偶氮染料均能够发生氧化脱色和矿化反应.染料分子量与分子中磺酸基数目的比值(MW/S)、分子中偶氮基数目、芳香环数目和无机性值与有机性值的比值等4个分子结构描述符与其脱色率或TOC去除率之间存在着较好的线性相关性.其中MW/S值和偶氮基数目是染料脱色率的显著影响因素,并且与其呈负相关性.而偶氮基数目和芳香环数目则是TOC去除率的显著影响因素,分别与其呈负相关性和正相关性.所建立的QSPR模型方程具有良好的稳健性,用于同类染料脱色率和TOC去除率预测的相对误差以及预测值和实验值的相关系数都是可接受的.     

多氯代二苯并呋喃正辛醇/水分配系数的构效关系

为了研究多氯代二苯并呋喃(PCDFs)的构效关系,根据分子拓扑理论,采用基团修饰指数作为多氯代二苯并呋喃(PCDFs)的分子结构描述符,以现有的PCDFs分子的正辛醇/水分配系数(logKow)和最低空轨道能(ELUMO)实验数据出发,通过多元回归方法建立了定量结构-性质相关关系模型,相关性较好,估算正辛醇/水分配系数的平均相对误差为2.51%.利用方程对另外一些二噁口英分子的正辛醇/水分配系数进行了预测,预测值和实验值较为吻合,平均相对误差为1.23%,预测能力优于文献.     

人工神经网络方法对卤代联苯化合物的QSRR研究

将卤代联苯化合物作为研究体系,利用基于原子类型的电子拓扑结构（E-state）和基于13种原子类型的电性距离矢量描述子（MEDV-13）作为描述符,分别应用多元线性回归、人工神经网络中的误差反向传播神经网络和径向基函数神经网络的方法建立了55种卤代联苯化合物的QSRR模型。使用人工神经网络的方法预测的结果比多元线性回归的方法的结果稍好,相关系数R可以达到0.99以上,说明使用人工神经网络的方法能够准确地预测卤代联苯化合物的气相色谱和液相色谱的保留指数。     

基于分子对接的雌激素类化合物与雌激素β受体的CoMSIA研究

采用分子对接方法完成了分子结构复杂多样的74个化合物的叠合,应用比较分子相似性指数分析方法（CoMSIA）研究了化合物与雌激素β受体（ERβ）之间的三维定量结构-活性关系（3D-QSAR）,建立了相关性显著、预测能力强的定量模型（q2=0.533,r2=0.870,rp2re=0.787）。CoMSIA和对接结果从一个侧面揭示了影响雌激素活性的分子结构特征和可能的分子机理。     

VSMVI方法预测取代芳烃类化合物淡水发光菌的毒性

选取2组取代芳烃类共53个化合物为目标化合物,以Dragon描述符表征其分子结构信息,采用基于变量相互作用的变量筛选方法(VSMVI)对训练集化合物进行变量寻优。以Dragon描述符为自变量,以化合物的毒性值作为因变量,然后根据化合物样本数和奥卡姆剃刀原则,运用通用变量筛选与建模程序(GVSMP)中线性建模的最优建模法,建立了化合物分子结构与其毒性间的相互关系模型——定量结构-毒性关系(QSTR)模型。结果表明,模型的复相关系数R~2和交互验证相关系数Q2LOO均在0.90以上,所构建的模型均具有较高的拟合能力和预测能力。此外,通过模型校验方法对模型进行校验,也显示出模型具有较好的外部估计能力。     

分子电性-距离矢量对典型抗HIV类药物的有效表征

采用二维拓扑结构描述子—分子电性距离矢量(MEDV),对TIBO类衍生物、非核苷类逆转录酶抑制剂和环脲类化合物等三类抗HIV病毒的药物定量结构活性关系进行了研究.用MEDV描述子对三类药物分子进行结构表征,以VSMP法对所得的91个分子结构描述符进行优化筛选以得到最优子集,用多元线性回归方法(MLR)分别构建了三类抗HIV病毒药分子结构与生物活性之间的定量构效关系(QSAR)模型.模型相关系数r分别为0.930 4,0.852 5和0.957 9,留一法交互验证(leave-one-out cross validation,LOO-CV)相关系数q分别为0.888 8,0.815 5和0.908 4,表明QSAR模型具有良好的稳定性和预测能力.QSAR模型表明分子中取代基团的种类和取代位置对药物分子的生物活性有显著影响.     

反相液相色谱中长链醇酸酯的保留值与同系序数的关系

从分子结构入手，根据蒋明谦的有机化合物同系线性规律，提出反相液相色谱中长链脂肪醇、酸、酯的保留值民色谱中长链脂肪醇、酸、酯的保留值与同系序数的定量模型，用实验数据检验，获得满意结果     

人工神经网络法预测有机物物性的研究──Ⅰ分子描述码与烯烃沸点的预测

讨论了用人工神经网络法预测物性的几类输入参数．用分子描述码作为输入参数预测了烯烃的沸点，烯烃（链）的相关系数ｒ＝０．９９７５，标准差Ｓ＝１．６８７．环烯烃：相关系数ｒ＝０．９９７０，标准差Ｓ＝２．５４８．优于三维连接性指数的计算值．     

基于人工神经网络的有机物闪点预测

设计了一个基于BP（Back—Propagation）算法的多层前馈网络模型,用于预测有机物闪点．以有机物沸点作为网络的输人参数,闪点作为输出．取24类共210种有机物作为实验样本,并随机取其中150种作为训练集,另外30种作为预测集．结果表明：闪点的预测值与实验值符合良好,绝对平均相对误差为3．39％．     

小波神经网络组合时序模型在径流预报中应用

构建小波与人工神经网络组合时序模型,该模型利用morlet小波基函数取代人工神经网络的激发函数,通过平移因子和伸缩因子确定小波基函数,采用误差逆向传播算法训练网络和预测.利用此模型对赣江河段上外洲水文站月径流变化趋势进行预测,并将其计算结果与BP神经网络进行比较,结果表明利用小波神经网络进行时间序列预测效果较理想.     

网架结构初步设计中杆件类型选择的神经网络方法

网架结构初步设计因为需要结合工程经验和个人直觉而非常难以计算机化，用神经网络可以克服结构初步设计计算机化的这些困难，实现初步 设计的集成计算机智能系统，对结构工程的选型、分析、设计、决策和管理的智能化具有重要的意义。提出了基于神经网络的网架结构初步优化设计的基本原理和步骤，根据网架结构的特点，确定了截面尺寸这一简单而又实用的优化目标，并将结构构件的一些简单特征（如杆长及受力特点等）作为神经网络的输入信息，通过对一正交正放网架结构的杆件规格和截面尺寸的优化选择，说明了所选网络参数的可行性以及该方法的有效性。     

基于改进神经网络的建筑结构损伤识别方法研究

采用ANSYS有限元分析软件建立神经网络的训练样本,将结构的固有频率作为网络输入,结构损伤的位置和损伤程度作为网络输出,提出了基于神经网络的建筑结构损伤识别方法。讨论了神经网络训练方法和隐含层节点数目对目标函数的影响,分析了网络训练的训练不足和训练过度等问题。以简单的建筑结构为例,基于MATLAB的GUI工具进行了BP神经网络的设计和分析。数值反演结果表明,所改进的建筑结构损伤识别方法具有良好的反演精度和较快的收敛速度。