润滑油调合人工神经元网络系统的开发

介绍了自行开发的润滑油调合人工神经元网络系统的设计、组织结构、功能及用途。系统包括润滑油调合神经网络预测软件和润滑油数据库两个软件，其中润滑油调合人工神经网络预测软件用当今流行的面向对象程序设计语言（Object-Oriented Programming，即OOP）Visual C 5.0编写，后者则用Visual FoxPro6.0编写。两者都可以脱离各自的开发环境独立运行，两者界面都是基于中文Windows 9X平台，界面友好、功能齐全、适用面广，为润滑油调合工艺科学计算、润滑油信息管理提供了方便。     

润滑油调合人工神经元网络系统的开发

介绍了自行开发的润滑油调合人工神经元网络系统的设计、组织结构、功能及用途。系统包括润滑油调合神经网络预测软件和润滑油数据库两个软件 ,其中润滑油调合人工神经网络预测软件用当今流行的面向对象程序设计语言 (Object -OrientedProgramming ,即OOP)VisualC ++5 .0编写 ,后者则用VisualFoxPro6.0编写。两者都可以脱离各自的开发环境独立运行 ,两者界面都是基于中文Windows 9X平台 ,界面友好、功能齐全、适用面广 ,为润滑油调合工艺科学计算、润滑油信息管理提供了方便。     

灰色色谱数模CGM（1,1,2）A的建立及液相色谱保留行为的预测

应用灰色系统理论和最小二乘原理,推导出双变量连续微分ＣＧＭ（１,１,２）Ａ模型,并将该模型用于高铲液相色谱中溶质保留行为的预测。首次用建立的ＣＧＭ（１,１,２）模型研究了不同流动相、没色谱柱下几组烷基苯和链烷醇的容量因子与分子碳数和柱温的预测值平均相对偏差不超过１．５％。结果表明,该模型适合描述溶质保留行为与分子结构参数之间的复杂关系,为分子结构－色谱保留定量相关（ＱＳＲＲ）研究提供了一种新的有效     

灰色数模的建立及应用研究(III)--NLCGM(1,1)模型的建立及酚保留行为的预测

考虑到灰色ＧＭ（１,１）模型对于处理某些非线性问题的不足,基于灰色系统理论的建模思想,推导出又一种模型———非线性连续灰色模型ＮＬＣＧＭ（１,１）。由于建模过程中采用了双拟合,不但实现了模型的连续化,而且提高了预测精度。将该模型应用于高效液相色谱中,对５种不同种类的酚保留值随流动相组成变化的关系进行了研究,建立相应的ＮＬＣＧＭ（１,１）模型。经验证,计算值与实验值相吻合,获得了较常规ＣＧＭ（１,１）模型和二次方程更高的精度,平均绝对误差为０．０１６,而常规ＣＧＭ（１,１）模型和二次方程的平均绝对误差分别为０．０３３和０．０５６。