神经网络偏最小二乘在预测含能材料爆轰性能方面的应用

运用神经网络偏最小二乘分别与遗传算法和主成分分析相结合,以含能材料的结构描述符和爆轰性能等参数,建立了"分子结构-爆轰性能"之间的定量关系预测模型,并对30种含能材料的密度和理论爆速进行了预测,其相对误差均在5%以下。表明这种方法为新型含能材料分子设计和爆轰性能预估提供了新的方法和手段。     

PCA-ANN对炸药爆速的预测研究

以炸药分子的结构描述符和爆轰性能等参数,利用主成分分析(PCA)结合BP神经网络的方法,建立了炸药分子结构与爆速之间的定量关系预测模型,并对20种炸药的爆速进行了预测,其相对误差均低于9%.结果表明,所建立的模型较好地反映了炸药分子结构与爆速之间的关系,具有较高的预测精度.该方法为设计新型炸药分子时正确估算其爆速提供了一条新的途径.     

基于遗传算法的偏最小二乘法在预测含能材料爆轰性能中的应用

运用偏最小二乘(PLS)和遗传算法(GA)预测含能材料的爆炸性能。利用GA在"分子结构—爆炸性能(QSDR)"数据中选取较少的变量个数,以较少的变量个数包含较多的变量信息,再用PLS进行结构性能模型的建立和性能预测。将这种方法应用于呋咱和芳香类含能材料的性能预测当中,可以验证方法的有效性。     

基于遗传算法的支持向量机预测含能材料密度的研究

基于遗传算法(genetic algorithm,GA)的变量筛选和支持向量机(support vector machine,SVM),提出了一种改进的定量结构-性质相关(quantitative structure detonation relationship,QSPR)建模方法——遗传-支持向量机(GA-SVM),并用其建立含能材料的定量结构-爆轰性能关系(QSDR)模型,此外还应用标准SVM方法建立了QSDR模型,并用这2种模型进行呋咱系含能化合物密度的预测,随机选取85%化合物作为训练集,用来建立模型,其余化合物作为测试集来测试模型的预测能力。预测结果的交互检验的相关系数平方分别为0.9887和0.9885,平均相对误差分别为1.16%和2.12%,表明了2种建模方法的有效性。通过对2种模型的预测能力进行比较,GA-SVM方法建立的QSDR模型能更好地预测呋咱系含能化合物的密度,更利于实际应用。     

基于XGBoost的民航飞机发动机性能参数预测模型

为提高民航飞机发动机性能参数的预测精度,本文提出一种基于模糊推理和XGBoost算法的发动机性能参数预测方法。对发动机进行总体性能分析,确定油门杆位置、气压高度、总温、全重、马赫数及飞行阶段为影响发动机性能参数的主要因素。其次采用模糊推理对快速存取记录器（QAR）数据进行纵向飞行阶段划分,消除人为划分训练数据对预测精度的主观影响。最后,建立各发动机性能参数的XGBoost预测模型,并与多种预测模型进行对比实验。实验结果表明：对发动机N1、燃油流量参数的预测,XGBoost预测模型相比支持向量回归（SVM）、线性回归模型和BP神经网络,其精度更高且不需要对训练数据进行缩放。     

KPCA与GRNN在含能化合物QSAR中的应用研究

使用KPCA(核主成分分析)对含能化合物的结构参数进行参数选择,在保持原有数据主要信息的情形下,得到数据的主成分.将降维后的特征信息作为GRNN(广义回归神经网络)的输入,含能化合物的性能数据作为输出,建立非线性的定量含能化合物结构性能关系预测模型.与PCA_GRNN模型的比较表明,该模型能很好地反映含能化合物结构和性能之间的关系,具有较高的预测正确率.     

基于区间预测模型的流感趋势预测

在流感暴发趋势预测模型的研究中,传统点预测是估计预测平均值的随机变量,不包含置信水平和预测区间范围等辅助决策的有用信息,导致决策者不能很好把握流感发展趋势.为了解决上述问题,提出利用神经网络上下限估计方法(LUBE)建立预测区间(PI)发展了流感趋势区间预测模型,提出了评价预测区间的宽度范围组合指标(CWC),运用蚁群算法对神经网络区间预测模型进行训练,并运用上述模型对传染病等应急医疗数据进行了仿真.为了衡量预测区间性能,改进模型与Delta、Bayesian、Holt指数平滑和支持向量机等常用预测模型建立的预测区间进行了对比.结果表明蚁群算法神经网络区间预测模型能够对流感趋势进行更为有效的分析和预测.     

改进灰色模型在物流需求预测中的应用

研究物流需求问题,物流受多种因素的综合影响,需求具有趋势性、较大波动性和随机性等变化特点,传统单一预测方法难以对其进行准确预测,为提高物流需求预测准确率,将灰色理论(GM)和支持向量机(SVM)相结合建立一种物流需求预测模型(GM-SVM)。GM-SVM首先采用灰色GM(1,1)预测模型动态预测物流需求变化趋势,然后运用SVM对GM(1,1)预测结果进行修正,以提高物流需求预测精度。采用具体物流需求实例对GM-SVM性能进行测试,实验结果表明,GM-SVM利用SVM和GM(1,1)的优势,达到优势互补,提高了物流需求的预测精度,更能全面描述物流需求的复杂变化规律。     

灰色神经网络在粮食产量预测中的应用

研究粮食准确预测优化问题,粮食产量受到多种因素影响,同时具有复杂的非线性和随机性特点,传统单一模型难准确对其变化规律进行准确描述,预测精度较低。为提高粮食产量预测精度,提出一种将灰色理论和BP神经网络相结合的粮食产量预测模型。首先采用灰色GM(1,1)预测模型动态预测粮食产量变化趋势,然后运用BP神经网络对灰色GM(1,1)模型预测结果进行修正,以提高粮食产量预测精度。采用1978-2008年我国粮食产量数据对预测模型性能进行仿真测试,仿真结果表明,组合预测模型提高了粮食产量的预测精度,更能描述粮食产量变化规律,为粮食产量准确预测提供了一种有效研究方法。     

苯并1,2,3,4-四嗪-1,3-二氧化物(BTDO)及其硝基衍生物爆轰性能的量子化学研究

用密度泛函理论的B3LYP方法,在6-31G*的基础上,全优化计算了苯并1,2,3,4-四嗪-1,3-二氧化物及其硝基衍生物的几何构型,包括其与5-硝基取代物,7-硝基取代物和5.7-二硝基取代物,分别用(1),(2),(3),(4)表示。通过PM6方法计算出物质的生成热,并研究了热力学参数和温度的关系式。用Monto-Carlo方法,基于0.001 e.born-3等电子密度面包围的空间求得分子平均摩尔体积和理论密度,用Kamlet-Jacobs方程基于理论密度和生成热计算各物质的爆热,爆速和爆压。结果表明:苯并1,2,3,4-四嗪-1,3-二氧化物上的苯环发生硝基取代后,5位取代比7位取代的C-NO2更容易发生断键,5,7-二硝基苯并1,2,3,4-四嗪-1,3-二氧化物的生成热和爆轰性能最好,其值接近于环三亚甲基三硝胺(RDX)。4种物质的生成热的大小顺序是(4)(2)(1)(3),说明5位硝基取代后能有效地增大物质的生成热。爆轰性能的大小顺序是(4)(2)(3)(1),说明硝基基团能有效地增大物质的爆轰性能,且对苯并1,2,3,4-四嗪-1,3-二氧化物来说,5位取代的效果要比7位取代好。     

一种改进的遗传算法在含能材料设计中的研究与应用

在本文中作者提出了一种改进的遗传算法,并将该方法引入到"分子结构——爆炸性能"(QSDR)关系研究中,对变量进行筛选、建立结构性能关系模型,并可利用该模型预测含能材料的爆炸性能。将该方法应用于呋咱类系列化合物,取得了较好的效果,证明了方法的有效性。     

Multi‐expression programming based model for prediction of formation enthalpies of nitro‐energetic materials

There has been considerable interest in predicting the properties of nitro‐energetic materials to improve their performance. Not to mention insightful physical knowledge, computational‐aided molecular studies can expedite the synthesis of novel energetic materials through cost reduction labours and risky experimental tests. In this paper, quantitative structure–property relationship based on multi‐expression programming employed to correlate the formation enthalpies of frequently used nitro‐energetic materials with their molecular properties. The simple yet accurate obtained model is able to correlate the formation enthalpies of nitro‐energetic materials to their molecular structure with the accuracy comparable to experimental precision.     

基于改进TLSER模型的定量结构-疏水性关系

针对理论线性溶剂化能关系模型中氢键碱度的描述进行了改进，应用于一类结构独特的多环七碳化合物及其衍生物的定量结构－疏水性关系的研究中，取得了较为满意的结果。     

多氯联苯定量结构-性质的关系

基于定量结构-性质相关(QSPR)研究多氯联苯化合物(PCBs)的性质具有重要意义。用分子负电性距离矢量(MEDV)表征209个PCBs的分子结构,同时用多元线性回归(MLR)技术和逐步回归结合留一法交叉检验筛选模型变量,建立多氯联苯类化合物的水溶性(LgS_w)、土壤吸附性(LgK_(oc))、色谱保留指数(RRI)、水溶液活度系数(LgY_w)、总分子表面积(TSA)与MEDV的QSPR模型,其线性相关系数(R)分别为0.9651,0.9692,0.9968,0.9111,0.9960。继用留一法和外部样本检验模型稳定性能,其相关系数(R_(CV),Q_(ext))分别为0.9611、0.9812;0.9572、0.9845;0.9941、0.9984;0.9980、0.9412;0.9953、0.9998。结果表明:所建QSPR模型均稳定性和预测能力良好。