丙酸正丁酯绿色合成工艺中固体酸催化剂研制

针对目前酯化工艺过程中存在的环境污染问题,以丙酸正丁酯催化合成为例,对酯化过程清洁生产工艺中固体酸催化剂的制备进行了研究.制备了 SO_4~(2-)/TiO_2固体超强酸催化剂,讨论了各种制备条件对该催化剂的丙酸正丁酯合成催化活性的影响,采用 TG/DTA、FTIR、XRD 等仪器分析手段对催化剂结构进行了表征,实验结果表明,SO_4~(2-)/TiO_2固体超强酸催化剂具有很好的催化活性和选择性,且无腐蚀、反应时间短、后处理简单、重复使用性好.     

丙酸正丁酯绿色合成工艺中固体酸催化剂研制

针对目前酯化工艺过程中存在的环境污染问题，以丙酸正丁酯催化合成为例，对酯化过程清洁生产工艺中固体酸催化剂的制备进行了研究。制备了SO^2-4／TiO2固体超强酸催化剂，讨论了各种制备条件对该催化剂的丙酸正丁酯合成催化活性的影响，采用TG／DTA、FTIR、XRD等仪器分析手段对催化剂结构进行了表征，实现结果表明，SO^2-4／TiO2固体超强酸催化剂具有很好的催化活动性和选择性，且无腐蚀、反应短、后处理简单、重复使用性好。     

氯喹酸酯类衍生物的合成及QSAR分析

为了寻找活性更高和作用更温和的除草剂，研究了氯喹酸(3，7-二氯-8-喹啉羧酸)酯类衍生物的结构与活性的关系；合成了12种相关酯类衍生物，并测定了这些酯的生物活性，用Hansch多元线性回归分析方法和量子化学参数建立了相关的定量构效关系(QSAR)方程．结果表明此类化合物的生物活性与取代基的电子效应参数q6、q15、q5、P2呈线性关系；烯丙基(-CH-CH=CH2)取代的氯喹酸酯是活性最高且作用温和的除草剂．     

QSAR中ANN用于研究变量选择方法的回顾和比较

在定量构效关系（QSAR）建模中,人工神经网络（ANN）模型预测能力较好,但并不能提供化合物结构变量对活性影响的更多信息,因而被认为是个黑箱模型．以35种硝基化合物对黑呆头鱼96h的生物毒性为例,首次回顾和比较6种用于研究网络输入变量对输出相对贡献大小的方法．结果表明：ANN中引入变量选择的方法,大大增强了QSAR模型...     

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.