脂肪醇气相色谱保留指数的预测与估算

通过对46个脂肪醇在不同固定相不同柱温下的631个样本的气相色谱保留指数值(RI)与其部分参数:拓扑指数(mQ)、定位基参数(Sox)、固定液极性值(CP)及柱温(T)建立定量结构-色谱保留相关(QSRR)模型。分别利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、人工神经网络(ANN)建模,同时采用内部及外部双重验证的办法对所得模型稳定性能进行深入分析和检验,建模计算值、留一法(LOO)交互检验(CV)预测值和外部样本预测值的复相关系数Rmax、QLOO和Rexi分别为0．988,0．987和0．989(MLR);0．988、0．975和0．989(PLSR);0．989、0．989和0．991(ANN)。结果表明:所建定量结构保留相关(QSRR)模型具有良好的稳定性和预测能力,较好地揭示了脂肪醇化合物在不同固定相不同柱温上气相色谱保留指数的变化规律。     

用分子拓扑指数预测饱和酯类化合物的气相色谱保留指数

提出修正的分子极化效应指数(MPEIna)、烷基的极化效应指数(PEI)、奇偶指数(OEI)、均衡电负性(Xeq)、立体效应指数(SVij)等拓扑结构参数,运用多元线性回归(MLR)方法获得了饱和酯类化合物在7种不同极性色谱柱上的结构-保留相关(QSRR)模型,模型方程为:RI=aXeq×PEI bOEI-cSVij dXeq×MPEIna f,其中a、b、c、d、f为系数,相关系数均大于0.99,以留一法(Leave-one-out)进行交互检验,相关系数Rev均大于0.99,表明由上述分子结构参数得出的模型方程用于预测各饱和酯类化合物的气相色谱保留指数其稳定性和准确性俱佳,且较好地揭示了饱和酯类化合物在不同极性色谱柱上气相色谱保留指数的变化规律.     

醇类化合物色谱保留指数与结构参数定量关系的研究

采用拓扑指数(~mQ)、定位基参数(S_(ox))与醇在6种固定相上的气相色谱保留指数值(RI)进行了相关分析,发现RI与上述参数间存在良好的相关性,其关系式可表示为：RI=d (a~0)Q-(b~1)Q cS_(ox),其中a、b、c、d为系数。相关系数均大于0．98。继以留一法(Leave-one-out,LOO)进行交互检验,相关系数RCV均大于0．97。说明所建定量结构-保留关系(QSRR)模型具有良好的稳定性和预测能力,较好地揭示了醇类物质在不同固定相上气相色谱保留指数的变化规律。     

新连接性指数与脂肪醇气相色谱保留指数的关系

基于定量结构-色谱保留相关(QSRR)研究醇类化合物的保留性质具有重要意义.通过对脂肪醇的研究,考虑到烷基和羟基的差异,修正文献,重新定义脂肪醇分子中顶点原子特征值ti,并在邻接矩阵的基础上构建新的连接性指数mL.运用多元线性回归法,将0阶指数0L、1阶指数1L与25种脂肪醇,在6种固定相(SE-30,OV-3,OV-...     

部分有机污染物气相色谱保留指数的QSRR研究

用相对键长代替拓扑距离,结合距离矩阵,提出了一个可以表征含多重键、杂原子的距离调和指数Te=(N/∑Si -1)0.5。研究了该指数与烃、醇、醛酮、酯、胺等多种有机污染物气相色谱保留指数的构效关系。结果表明,Te指数与保留指数RI具有良好的相关性,相关系数均在0.99以上,且该指数计算简单,预测值与实验值较好吻合,是预测不同有机污染物分子保留指数的理想参数。     

醛酮化合物结构表征与色谱保留指数模拟

通过构建分子顶点原子之间的关系对35个醛酮类化合物进行了结构表征,采用多元线性回归和逐步回归的方法建立了该类化合物结构与色谱保留指数之间的关系模型,模型的复相关系数(R)为0.978,标准偏差(SD)为37.305。采用"留一法"交互检验和外部样本预测的方法对模型的稳定性和预测能力进行了评价,交互检验的复相关系数(R_(cv))为0.970,标准偏差(SD_(cv))为43.477;外部预测的复相关系数(R_(test))为0.996,标准偏差(SD_(test)为17.004。结果表明所采用的分子结构描述符能够恰当表现该类化合物结构特征,所建模型具有良好的稳定性和预测能力。     

构建色谱保留指数数据库及数据错误查找

气相色谱经过几十年的发展，积累了大量的保留指数数据。为更有效地使用这些数据，建立了色谱保留指数数据库。并针对录入数据很容易引入错误而提出利用保留指数与柱温的关系和同系线性规律等对数据库进行查错。     

有机醇的结构与色谱保留指数的相关性拓扑指数法研究

通过计算40种有机醇化合物分子结构的拓扑指数，用多元线性回归将它与气相色谱保留指数进行关联分析，结果获得了良好的相关性，因此，对有机醇各组分在气相色谱上保留指数的理论预测，可作为在色谱分离过程中识别各组分的一种参考方法。     

改进的BP网络用于气相色谱保留指数预测

改进了ＢＰ神经网络的学习速率算法,并运用改进后的ＢＰ网络,通过分子结构参数,同时对连载在吡啶在非极性固定液ＳＥ－３０和极性固定液ＰＥＧ－１５００柱上的保留指数进行预测,取得了较好的结果。     

烃类化合物海水溶解性能的QSPR研究

用分子连接性指数和Am指数对217个烃类化合物的海水溶解性能进行了相关，获得了较满意的结果：（1）logS=-08936^0X^V＋2．3677^2X^V＋1．7271I－0．5819（N＝217，R＝0．975，Sd＝0．2753，F＝1392．6）（2）logS＝－0．2775Am1＋0．0617Am2－0．0285Am3＋3．2554I－1．3802（N＝217，R＝0．945，Sd＝0．4100，F＝441．73）。     

拓扑指数X用于脂肪醇的QSPR研究

为了更好地揭示脂肪醇的各种物理化学性质与结构的关系,通过对100余种饱和脂肪醇分子的拓扑结构特点的研究,提出1种新的拓扑指数X,并运用回归分析方法研究了饱和脂肪醇的沸点(BP)、空腔表面积(CSA)、折光指数(n_D)、光离子化灵敏度(SM),半数致死浓度(LC_(50)),疏水性参数(lgP)和味阀值(poL)等多种物理化学性质与拓扑指数X的相关性,建立了定量结构-性质相关(QSPR)模型。结果表明所建立的QSPR模型方程具有良好的稳定性和预测能力,较好地揭示了这些物理化学性质的变化规律。     

灰色动态模型及其在色谱保留值研究中的应用

根据灰色理论建立色谱保留值预测模型，可以为探讨混合多组分分离条件提供依据。灰色动态模型由GM(1，1)和灰数等维递补动态模型组成，应用于多环芳烃化合物容量因子与流动相组成间的关系研究。结果表明，灰数等维递补动态模型比常规GM(1，1)模型具有更好的抗干扰性能和受异常点影响小的优点。灰色动态模型的提出为灰色理论应用色谱保留值的预测以及其它较复杂化学体系的研究提供了一种新方法。     

QSRR结合人工神经网络预测多氯联苯色谱保留时间

采用量子化学密度泛函B3LYP/6-311+G~*,在高斯09软件上计算了32个多氯联苯类化合物的电子结构参数:筛选出影响化合物色谱保留时间显著的5个变量,并建立其结构与保留时间之间的定量关系(MLR模型);同时,利用人工神经网络(artificial neural network,ANN)法建立相应的QSRR模型(ANN模型)与之对比。所建MLR模型的相关系数R=0.904,标准误差Se=0.542;ANN模型的相关系数R=0.981,标准误差Se=0.213。表明所建立的QSRR模型的稳定性和预测能力良好。结果表明,多氯联苯化合物的色谱保留时间与前沿轨道能级差ΔE和分子最高占有轨道能E_H成正比例关系。所建模型为预测多氯联苯化合物的色谱保留时间提供理论指导。     

多氯代二苯并呋喃(PCDFs)在不同色柱上气相色谱保留行为的QSRR研究

提出键参数f_i,在此基础上定义分子键连接性指数F=sum from i=1 to m(f_i)~(1/2)。考虑到氯原子的个数和位置的影响,引入距离指数L将F修正,得到修正的连接性指数F_X=F L~(-.5)。F_X具有很强的结构选择性,且与多氯代二苯并呋喃(PCDFs)在不同色柱上(DB-5,SE-54,OV-101)气相色谱保留指数(RI)和保留时间(RRT)具有良好的相关性。用该模型预测了135个PCDFs化合物的色谱保留数据,预测能力优于文献。该模型还具有物理意义明确,计算简便的优点。     

气相色谱法预测环境温度下有机化合物的蒸气压

根据189个包含不同结构基团的有机化合物在极性相差较大的2种气相色谱柱上的保留指数,以多元回归分析,分别建立了有机化合物保留指数与环境温度下蒸气压(P)的单柱和双柱预测模型。根据各模型的相关系数(r)及概率值(p),定量说明了不同模型的统计重要性。结果表明,有机化合物环境温度下的蒸气压与气相色谱保留指数之间具有较高的相关性,双柱蒸气压预测模型具有更好的预测精度(1nP标准偏差为1．3)和更好的统计学意义(r=0．9354,p=7．7×10~70))。。