QSAR结合人工神经网络方法研究取代芳烃分子结构与Na-K-ATP酶活性

运用函数连接型神经网络研究 3 8种取代芳烃化合物的分子结构—毒性的定量构效关系 (QSAR) ,计算结果与MLR计算结果比较 ,前者比后者好。与实验结果的线性拟合相关系数 ,FLN所得结果为 0 9561～ 0 9996,MLR所得结果为 0 869～ 0 965。     

QSAR结合人工神经网络方法研究取代芳烃分子结构与Na—K—AT …

运用函数连接型神经网络研究３８种取代芳烃化合物的分子化合物的分子结构－毒性的定量构效关系（ＱＳＡＲ），计算结果与ＭＬＲ计算结果比较前者比后者好。与实验结果的线性拟合相关系数，ＦＬＮ所得结果为０．９５６１～９．９９６，ＭＬＲ所得结果为０．８６９～０．９６５     

小波神经网络结合紫外光谱用于四种维生素混合体系的同时测定

首次实现了小波网络多节点输出,表明该网络在且分混合物的定量分析问题上有独到的优点。运用小波神经网络对Ｂ族维生素的混保体系进行了测定。结果良好。     

三相流化床动力学特征的影响因素

利用电导探头测试技术,以不同粒径的玻璃珠颗粒、金精矿、金矿氰化尾渣为固相,空气为气相,不同粘度的液体为液相,对三相流化床中不同测孔的电导率进行测试和计算,系统研究了颗粒粒径(dp)、密度(r)、质量(q)、表观气速(Ug)、液体粘度(ml)等对相含率的影响. 结果表明,dp从0.05 mm增加到0.15 mm,气含率(eg)增加2%~3%,而固含率(es)减小2%~4%;其他条件相同,密度大的颗粒es和eg较小;随q增加,eg降低,es增加,玻璃珠颗粒每增加100 g,eg减小约2.5%,es增加约1.5%;随Ug增大或减小,eg和es亦随之增大或减小;随ml增大或减小,eg和es亦呈增大或减小趋势.     

57个昆虫酚氧化酶抑制剂的QSAR研究

使用分子电性距离矢量（MEDV-13）描述子和顶点度-距离指数（VDI）描述子提取57个酚氧化酶抑制剂分子结构信息,基于预测的VSMP方法筛选最佳描述子;用多元线性回归法构建了一个8变量QSAR模型,该模型的估计相关系数R2=0.969 8,LOO交互检验相关系数R2cv=0.960 6,显示出模型具有良好的稳定性和预测能力。计算了最佳描述子8个变量的碎片贡献率。研究结果表明,昆虫酚氧化酶抑制剂的生物活性IC50主要受苯环、C原子、N原子、O原子、S原子以及分子中原子间连接情况的影响。     

部分取代芳烃发光菌毒性的HQSAR分析

采用分子全息定量构效关系（Holographic QSAR）对47个取代芳烃的发光菌生物毒性与化学分子结构之间的关系进行了研究和分析.分子全息表征方法所构建的结构活性模型比传统的理化表征和其他基于碎片的低连接性表征方法优越,由模型所得到的交互检验预测结果拟合相关系数为Q2=0.904.模型的质量随碎片大小而改变,碎片范围变化较大.因为分子全息方法表征的是有机污染物与配体之间相互作用的内在信息,所以这种相对简单的分子碎片表征方法能够反映出分子结构的细微性质.     

紧支撑小波神经网络用于钢的冷变性能差别

介绍了紧支撑小波神经网络（ＳＣＷＮＮ）的理论和算法,将其运用于钢的冷弯性能判别,判别准克率达到１００％。与ＢＰ算法的计算值和文献所采取的主要成分分析（ＰＣＡ）比较,ＣＳＷＮＮ的判别能力优于ＢＰ及文献中采用的主成分分析。     

几何平均连接性指数:一种修正的分子连接性指数

本文试图改进Kier和Hall提出的分子连接性指数,提供一种更加完美的分子表征和分子设计技术。根据分子连接性指数定义,本文对其进行几何平均修正,使其更具解释性和丰富的含义,并命名为几何平均连接性指数(GMCI)。新的分子连接性指数用于一组含3-8个碳原子的烷烃7种性质的QSAR／QSPR研究,统计结果表明,由几何平均连接性指数所建模型普遍比传统的分子连接性指数所建模型要好。     

高硫高砷金精矿三相流化床流动特征模拟

常温常压条件下基于欧拉模型, 利用Fluent软件对高1.6 m、内径0.09 m的高硫高砷金精矿三相流化床流动特征进行了数值模拟。模拟过程以空气为气相且为连续相, 液态水为液相, 密度为3.2 g/cm3、粒径为0.5 mm的高硫高砷金精颗粒为固相。模拟结果显示, 流场的压力从计算域的入口到出口逐渐降低,速度场的变化对气液固局部相含率的分布影响显著; 在径向上, 气含率(ε_g)从计算域中心往边壁降低, 在轴向上也逐渐降低; 固含率(ε_s)从计算域的入口到出口逐渐减小, 从计算域中心向边壁ε_s增加。模拟结果与实验结果一致, 可为合理设置气流速度以及金矿投放量提供依据。     

紧支撑小波神经网络用于钢的冷弯性能判别

介绍了紧支撑小波神经网络（ＣＳＷＮＮ） 的理论和算法, 将其运用于钢的冷弯性能判别, 判别准确率达到１００ ％ 。与ＢＰ算法的计算值和文献中所采用的主成分分析（ＰＣＡ） 比较, ＣＳＷＮＮ 的判别能力优于ＢＰ及文献中采用的主成分分析。