用于药物活性预报的Co-Training方法

在药物设计中,可以利用药物分子的构效关系模型进行药物活性的预报,从而降低药物开发的成本、缩短开发的周期。本文尝试结合Co-Training方法和嵌入式特征选择方法,提出了一种新的FESCOT（Feature Selection for Co-Training）算法。算法在药物活性数据集上进行了实验,结果显示结合了特征选择的Co-Training方法较之以前泛化能力有所提高。     

基于机器学习的钙钛矿锰氧化物材料设计

ABO₃钙钛矿锰氧化物因成本低廉和稳定性好,已成为反铁磁体中最热门的存储器材料。提高ABO₃钙钛矿锰氧化物的奈尔温度(Néel temperature,T_N),使之在室温下呈现反铁磁性,具有重要的意义。利用超多面体方法对特征变量的重要性进行排序,进而结合机器学习算法来筛选特征变量,并构建了极端梯度回归(XGBoost)机器学习模型,搭建了ABO₃钙钛矿锰氧化物的T_N在线预报平台。利用高通量筛选找到了T_N预测值高于室温的候选材料(Sr_0.7Ce_0.1Sm_0.2MnO₃,308.5 K),其T_N比已知最高的样本还高6.37%。该研究方法有助于实验工作者选择最有希望的材料来做实验,可以加快新材料的研发和性能突破。     

支持向量机算法研究土壤微量元素含量与白血病的关系

应用计算机支持向量机算法处理我国29个省、市、自治区白血病死亡率的统计数据和土壤中微量元素含量的对应关系,得到明显的复相关关系。可以认为：砷(As)等元素含量与白血病死亡率负相关,汞(Hg)等元素则与白血病死亡率正相关。已知大量砷能致癌,但近年来发现少量氧化砷治疗白血病效果显著,其原因可能是微量砷能导致癌细胞凋亡,土壤中的微量砷和白血病死亡率的负相关似可据此解释。已知元素硒(Se)有明显的抗癌效果,而Hg对Se有拮抗作用。因此Hg含量对白血病死亡率的正相关也是可以理解的。     

支持向量机算法优化制备赛隆-刚玉浇注料工艺参数

运用可限制过拟合、有较强预报能力的支持向量机算法(SupportVectorMachine,简称SVM)对赛隆-刚玉浇注料的工艺参数进行优化,通过试验数据处理,建立了工艺参数与烧成后常温抗折强度的数学模型。留一法结果表明,用支持向量机算法优化制备赛隆-刚玉浇注料的工艺参数是可行和有效的。     

支持向量机-微量元素分析法判别乌龙茶、红茶与绿茶

茶叶中的微量元素含量与产地土壤中的微量元素含量有关，故可用多种微量元素的分析数据结合模式识别计算判别茶叶产地和品牌，本工作根据三类茶叶中Zn,Mn,Mg,Cu,Al,Ca,Ba,K,8种元素的分析数据，用支持向量机算法判别乌龙茶，红茶或绿茶，并用留一法检验其预报能力。计算表明，支持向量机算法结果优于Fisher法和KNN法。采用福建安溪铁观音乌龙茶样品的元素分析结果作测试样品，检验本工作所得数学模型，判别结果亦与实际符合。     

BDMOS:大数据挖掘优化系统及其在化工过程优化中的应用

自主研发BDMOS(Big Data Mining Optimization System)大数据挖掘优化系统,该系统集成了多种数据挖掘方法和技术,特别是模式识别建模方法和优化技术。本工作将BDMOS大数据挖掘优化系统成功应用于聚全氟乙丙烯树脂反应装置及氟橡胶聚合生产装置的生产优化。根据装置DCS系统采集的生产数据,研究了装置优化操作的主要工艺参数,采用模式识别建模方法和优化技术建立了生产装置的优化操作模型,根据模型提出的工艺参数优化方案,显著提高了产品合格率。BDMOS软件提供的方法和技术能有效解决复杂化工数据的建模和优化难题,有望在化工生产装置优化过程中得到推广应用。     

支持向量机算法用于C60溶解度的热力学分析

C60在许多溶剂中形成分子比各不相同的溶剂化合物。因此其实测溶解度实际上是各种不同配比的溶剂化合物的溶解度，所以将各种实测的溶解度数据直接进行对比作QSAR分析是不合适的。本工作改用C60实测溶剂化自由能换算溶解度为C60的“推算溶解度”作多变量分析。采用预报能力强的支持向量回归算法，对C60的溶解过程的热力学函数的规律作了初步探讨。     

支持向量回归用于预测锰系钙钛矿型氧化物奈尔温度

有效预测锰系钙钛矿型氧化物的奈尔温度(T_N)有助于该材料的理性设计。在本文中,支持向量回归(SVR)用于关联T_N与锰系钙钛矿型氧化物主要原子参数之间的关系。最大相关最小冗余(mRMR)用于选择建模中的主要描述符,特征变量选择表明包括分子质量(M),A-位离子半径(R_a),A-位离子电负性(E_a)在内的三个描述符对模型建立非常重要。留一法交叉验证(LOOCV)用于核函数的选择和参数优化。用基于径向基核函数的支持向量回归算法,构建了T_N与上述三个描述符之间的非线性关系。LOOCV和外部验证测试的结果表明,构建的模型具有很强的泛化能力,平均相对误差(MRE)分别为8.0%和16.4%。因此,SVR模型是预测锰系钙钛矿型氧化物T_N的有前景的工具。     

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

Pattern recognition methods were used to treat the experimentally measured data of Pitzer‘s coefficients of 107 electrolytes, to find the relationships between the ionic structural parameters of these electrolytes and Pitzer‘s coefficients. It is found that these relationships can be approximately expressed as linear equations of four dimensionless numbers, (R /R_), (R R_)/Z Z_, (Z /Z_) and (Rt/R1), whereR and R_ are the cationic and anionic radii respectively; Z and Z_ are the cationic and anionic charge numbers respectively, and (Rt/R1) denotes the nonsphericity of some non-spherical ions. Besides, it is found that the difference of the nuclear magnetic resonance measured rotational relaxation time of water molecules around cations and anions, |△Ar| , has good correlation with Pitzer‘s coefficients. The relationships can be interpreted by the theory of corresponding states of ionic solutions. Based on the relationships, an example of application to some hydrometallurgical process was discussed.