BPNN模拟光催化降解直接橙S

以直接橙S为研究对象,在因子设计的基础上,采用多因素方差分析法分析各因素对其水溶液光催化降解反应的影响,并以因子设计和Doehlert设计的实验数据为手段,建立模拟光催化降解直接橙S的BPNN模型.以用于预测实际降解体系,预测结果,相关系数R=0.9916,实验值与预测值的平均相对误差为4.24%.运用该模型分析光催化降解直接橙S的优化实验条件为pH=5、Co=100,mg/L、[TiO2]=1.3286 g/L,按此优化条件操作,测得直接橙S的30 min降解率为97.64%,与模型预测值95.58%相对误差仅为-2.11%,表明本文所建模型模拟直接橙S光催化降解反应效果良好.     

QSAR/QSPR模型验证方式与预测能力的关系研究

QSAR研究中,判断模型预测能力至关重要。长期以来,模型的预测能力是使用留一法或留k法等内部验证来确定,但在2004年形成的OECD规则中,已明确规定必须使用外部验证集去评价模型的预测能力。为了研究内部验证和外部验证与模型预测能力之间的关系,本文以45种睾酮和二氢睾酮衍生物以及37种萘锟酯衍生物为研究对象,以E-Dragon计算的分子描述符作为自变量,在增n减l算法选择变量的基础上,采用SVM算法对同种物质的不同活性以及不同物质的不同活性建立QSAR模型,研究QSAR/QSPR建模时的不同验证方式与模型预测能力的关系。研究结果表明,模型的预测能力与内部验证结果的好坏无必然联系,而结合外部验证的检验结果则是判断模型预测能力的可靠依据。     

合成氨工艺参数优化技术开发及应用

以氨净值为响应值,影响响应值的17个过程参数为变量,经逐步回归选入触媒温度左3,触媒温度左4,循环CH_4%,H/N,NH_3%(进口)5个过程参数建立预测方程,并根据该方程对响应值的拟合结果和误差分布对样本进行分类。在此基础上,采取图形显示技术和统计分析的方法对分类样本集的过程参数进行比对分析,由此获取优类信息制订优化的工艺参数方案,经仿真验证后用于指导合成氨装置的生产试验。试验结果与试验前的对照期比较,氨净值均值由13.86提高到14.54,吨氨气耗减少15.9887m~3,吨氨电耗减少15.8kWh,节能效益十分明显     

基于量化参数的脂肪醇沸点QSPR研究

应用HyperChem7．0计算与脂肪醇沸点相关的结构参数对119种脂肪醇的沸点做定量结构性质关系(QSPR)研究。在逐步回归算法筛选出影响脂肪醇沸点的分子偶极矩μ、分子最高占有轨道能EHOMO、分子最低空轨道能ELUMO、分子范德华表面积Sg、摩尔折射率Rm、极化率α、分子质量M和疏水参数logP 8个主要结构参数的基础上,采用ε-支持向量机、多元线性回归,以及径向基函数神经网络算法,通过留一法交叉验证建立脂肪醇沸点的QSPR预测模型,3种模型中ε-支持向量机、多元线性回归和径向基函数神经网络模型留一法预测结果的相关系数R分别为0．993、0．988、0．987,标准偏差s则分别为4．774、6．501、6．724,表明ε-支持向量机模型具有最好的预测效果。     

自适应径向基神经网络及其应用

提出一种基于硬C均值算法的自适应RBF神经网络。该算法根据网络训练误差的变化,在隐层到输出层的权值修改过程中,对学习步长进行自适应调节;对通常采用的基函数宽度的计算方法作了改进;对于硬C均值算法出现的死节点,则在程序运行中自动进行删除。利用该改进的自适应RBF网络进行某合成氨装置的氢氮比预测,网络计算误差小、收敛迅速、结果令人满意,表明网络具有良好的性能。     

基于遗传算法的径向基神经网络及其在同时测定Fe Mn Cu Zn中的应用(英文)

介绍了两种新的基于遗传算法的径向基神经网络(GA-Based RBFNN)训练算法。这两种算法均将遗传算法用于优化径向基神经网络的聚类中心和网络结构。第一种GA-Based RBFNN算法对所有训练样本采取二进制编码构成个体,优化径向基函数中心的选取和网络结构;第二种GA-Based RBFNN算法中,RBFNN采用自增长算法训练网络隐含层中心、采用十进制对距离因子ε编码构成染色体,优化网络。将两种GA-Based RBFNN算法应用于Fe、Mn、Cu、Zn同时测定的光谱解析,计算结果表明,本文的GA-Based RBFNN算法较通常的遗传算法与径向基人工神经网络(GA-RBFNN)联用,即在GA选择变量的基础上,再用RBFNN作数据解析的GA-RBFNN方法,在增强网络的泛化能力、提高预测的准确性等方面具有明显的优势。从这两种GA-Based RBFNN的比较看,第二种算法在性能上优于第一种算法。     

卤代酚对水生梨形四膜虫急锐毒性的QSAR研究

应用HyperChem7．O计算与卤代苯酚对水生四膜虫毒性相关的量化参数以及自己设计的结构编码参数,对31种卤代酚的毒性做QSAR研究。使用逐步回归筛选出影响卤代苯酚毒性的主要参数分子表面积S、分子体积ν和编码参数R3和R6建立QSAR方程。用留一法验证该模型,检验结果相关系数R为0．9496,标准偏差s为0．2606,与回归拟合得到的R=O．9686,s =0．2067十分接近,表明所建立的QSAR方程具有较好的预测效果和较高的预测稳定性。对QSAR方程各参数对卤代苯酚毒性的影响分析表明,S、ν影响卤代酚的基本毒性,R6影响极性麻醉,而R3则既与卤代酚基本毒性有关,也与极性麻醉有关。     

基因表达式编程在CO2转化率软测量建模中的应用

选择合成塔温度(中部)、NH3/CO2、H2O/CO2、出口液CO2、Ur组分百分含量共5个变量作为模型辅助变量,将基因表达式编程(GEP)算法用于某氮肥厂中压联尿装置CO2转化率的软测量建模,GEP挖掘获得的最佳公式经F检验表明其高度显著(F=23800>>Fα=3.08,α=0.01)。用该公式对98组验证集预测,均方误差MSE=0.0038,绝对误差的最大值MAXAE为0.3753;对110组预测集预测,MSE=0.0025,MAxAE仅为0.1549,表明用GEP建立的软测量模型具有良好的预测准确性。     

硫代氨基甲酸酯类衍生物抗HIV-1逆转录酶抑制活性的QSAR研究

采用以MLR为基学习器的Boosting算法模型,对79种硫代氨基甲酸酯类衍生物做抗HIV-1逆转录酶抑制活性的QSAR研究。以E-Dragon软件计算的7组描述符分别为自变量,以化合物的半数效应浓度EC_(50)值为因变量构成7个原始数据集,用PSO算法筛选变量并建立MLR模型。各描述符建立的MLR模型中仅有RDF描述符模型同时通过外部预测和内部验证,故确定以其建立关于硫代氨基甲酸酯类衍生物抗HIV-1逆转录酶抑制活性的Boosting-MLR预测模型。Boosting-MLR模型与MLR模型相比,训练结果的决定系数R~2分别为0.728和0.741,预测结果R~2则分别为0.718和0.667,表明其泛化能力明显增强。对Boosting-MLR模型进一步进行稳定性验证,证明其预测稳定性较高。     

模糊综合评判法用于肝豆状核变性症的临床分型研究

肝豆状核变性症(Wilson 氏病)首发症状形式变样而常导致诊断困难和误诊。鉴于本病症状极其复杂多变,和各病型之间的分类又无明确的关系,故试用模糊数学的理论和方法对本病分型进行初步研究。在计算机上,采用逐次调整步长选择最优权系分配进行评判,回判率达85%—97%。结果表明此法有效可行。