基于支持向量机算法的芳烃抽提装置生产优化模型研究

将适合小样本数据建模的支持向量机算法（包括支持向量分类算法SVC和支持向量回归算法SCR）用于某石化公司芳烃抽提装置优化建模,建立了装置优化目标与有关工艺参数间的定性、定量模型。结果表明,抽余油中芳烃含量SVC模型的分类和预测正确率皆为100%;SVR模型对抽余油中芳烃含量的拟合与预报的均方根误差（RMSE）分别为0.072和0.060;抽余油中芳烃含量的SVR模型对128个训练集及32个测试集拟合和预测的R2和q2分别为0.820和0.867。应用所建优化模型,制定了装置生产优化方案,优化后抽余油中芳烃质量分数从0.82%降至0.74%,下降了9.8%。     

用自组织学习联想神经网络（LASSON^2）识别茶叶

运用自组织学习联想神经网络，根据茶叶色泽，研究了绿茶、红花、青茶、黑茶的分类识别，识别成功率达１００％。结果表明，该方法性能良好，可望开辟茶叶分类识别研究的新途径。     

Relationships between Pitzer's ion interaction coefficients and ionic parameters of electrolyte solutions

1　INTRODUCTIONConcentratedelectrolytesolutionsarecommonintermediatematerialsinhydrometallurgicalandchemicalindustrialprocesses[1] .Andtheactivityco efficientisoneofthebasicpropertiesofelectrolyteso lutions ,whichisusefulfortheestimationofthesolu bilityofinorganicsalts ,thedistributionandsepara tioncoefficientsinliquid liquidextractionprocesses ,andthephasediagramofwater saltsystems .Asemi empiricalion ioninteractionmodel,alsothemostpopularmethodsofar ,proposedbyPitzer[2 ] ,canbeusedtocal…     

镀锡钢板耐蚀性与恒电流阳极溶解电位-时间曲线的关系

在恒电流条件下，将镀锡钢板作为阳极在稀盐酸中用高电流密度电解。测定其电位E随时间t变化的曲线和相应的dE／dt-t微分曲线，从中抽取与镀锡钢板合金层致密程度和耐蚀性有关的参数，用支持向量机算法(support vector machine，SVM)和主成分分析(principal component analysis，PCA)及Fisher法等模式识别算法总结这些参数和镀锡钢板耐蚀性标准测试方法所得的合金-锡偶合电流值(alloy-tin couple value test，ATC值)的对应关系．据此找出耐蚀优级镀锡钢板E-t曲线判据和优化产品耐蚀性的工艺条件．结果表明：可在此基础上建立监测和优化镀锡钢板耐蚀性的快速测定方法．     

PVPEC：PTC和V－PTC材料优化设计专家系统

在用模式识别、人工神经网络法总结ＰＴＣ和Ｖ－ＰＴＣ材料诸性能与其配方及工艺间关系基础上，建立了能检索和预报ＰＴＣ和Ｖ－ＰＴＣ材料性能与其配方及工艺间双向关系的专家系统ＰＶＰＥＣ。该系统将为ＰＴＣ和Ｖ－ＰＴＣ材料优化设计提供有效的辅助手段。     

利用支持向量机研究钙钛矿型合金中间相的若干规律

以原子的金属半径、电负性和次内层d电子数为参数,用原子参数—模式识别方法,以及支持向量机等方法求得含碳、氮、硼的三元合金系形成钙钛矿型中间相的判据,并建立了计算钙钛矿型中间相的晶胞参数的半经验回归模型。该模型留一法的预报值正确率均在90%以上,与实验结果符合。     

基于支持向量机回归的麻醉药毒性的QSPR研究

采用支持向量机回归(SVR)方法研究了39个麻醉药毒性的定量构效关系,基于留一法交叉验证的结果,模型的相关系数为0.970。结果表明,所建SVR模型的精度高于逆传播人工神经网络(BPANN)、多元线性回归(MLR)和偏最小二乘法(PLS)所得的结果。     

宋代汝窑古瓷的微量元素-支持向量机算法研究

用支持向量机(Support Vectcr Machine，SVM)算法处理汝瓷釉和汝瓷胎的微量元素含量数据，结果表明官汝窑器与民汝窑器不论按其釉的成分还是按其胎的成分都能完全区分，留一法分类预报正确率亦达100％。这说明官汝窑和民汝窑所用原料有明显差别。本文还根据官汝窑釉中锶含量与其他元素含量关系的规律，为鉴别古汝瓷和近代仿制品提供线索。上述结果表明：支持向量机算法对古陶瓷研究是有用的。     

支持向量分类用于醚菊酯类似物构效关系的研究

将支持向量机分类方法用于醚菊酯类似物构效关系的研究，所用分子描述符为物理化学参数，包括该类化合物的两个取代基的Hammett常数σA、σB，摩尔折射MA、MB，疏水值之和П。建立了醚菊酯类似物生物活性预报的支持向量机预报模型，其留一法交叉检验的预报正确率为90．3％。将支持向量机的预报结果与主成分分析(PCA)、人工神经网络(ANN)、最近邻(KNN)的预报结果进行比较，所得SVM的预报正确率高于PCA、ANN、KNN的结果。因此，SVM方法有望成为研究药物构效关系的有力工具。     

球形映照方法用于三唑类抗真菌药物活性类别的预报

在进行分子力学和量子化学计算的基础上，采用球形映照（SLM）方法对三唑类衍生物进行了构效关系的研究，建立了三唑类衍生物抗真菌活性类别预报的数学模型，其留一法交叉检验（LOOCV）的预报正确率为88．2％。将该结果与主成分分析（PCA），Fisher，最近邻（KNN）的预报结果进行比较，所得SLM的预报正确率高于PCA，Fisher，KNN的结果。因此，SLM方法有望成为研究药物构效关系的有用工具。