

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、定量結(jié)構(gòu)-性質(zhì)相關(guān)(Quantitative Structure-Property Relationships QSPR)和定量結(jié)構(gòu)-活性相關(guān)(Quantitative Structure-Activity Relationships QSAR)的研究已成為化學(xué)和環(huán)境科學(xué)研究中的一個(gè)前沿領(lǐng)域。 定量構(gòu)效關(guān)系(QSPR/QSAR)是借助化合物的分子結(jié)構(gòu)參數(shù)和數(shù)學(xué)模型描述化合物的結(jié)構(gòu)與其物理化學(xué)性質(zhì)或生物活性之間的定量關(guān)系。通過(guò)這些
2、數(shù)學(xué)模型,我們可以預(yù)測(cè)一些未知化合物的物理化學(xué)性質(zhì)和生物活性等。 本論文從分子結(jié)構(gòu)的定量描述和結(jié)構(gòu)性質(zhì)定量關(guān)系建立的基本理論入手,研究了QSAR/QSPR方法在化學(xué)和環(huán)境科學(xué)方面的應(yīng)用。同時(shí),著重論述了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Networks,RBFNNs)方法建立的QSAR/QSPR模型,并對(duì)所建立的模型做了分析評(píng)價(jià)。 本論文第一章介紹了定量構(gòu)效關(guān)系的概念、基本原理
3、、方法以及研究狀況。同時(shí),詳細(xì)介紹了RBFNN算法、SVM算法和模型評(píng)價(jià)的基本原理及近年來(lái)的一些重要應(yīng)用。 本論文第二章具體介紹了利用HM方法、RBFNN方法和SVM方法在化學(xué)和環(huán)境科學(xué)中的應(yīng)用。簡(jiǎn)單介紹如下: 1.應(yīng)用QSAR方法研究了92個(gè)取代苯類(lèi)化合物對(duì)魚(yú)的毒性。運(yùn)用HM方法和RBFNN方法分別建立了這些取代苯類(lèi)化合物的結(jié)構(gòu)與毒性關(guān)系之間的線(xiàn)性和非線(xiàn)性模型。這兩種方法對(duì)測(cè)試集的相關(guān)系數(shù)的平方(R2)分別為0.867
4、和0.876,相應(yīng)的均方根誤差(RMSE)為0.223和0.205。通過(guò)對(duì)所建模型的預(yù)測(cè)能力評(píng)估和與其它文獻(xiàn)結(jié)果的比較,可以看出,我們的RBFNN模型有較好的預(yù)測(cè)能力。對(duì)所選描述符進(jìn)行了詳細(xì)合理的解釋?zhuān)欣诎l(fā)現(xiàn)毒性機(jī)理,能夠?yàn)榄h(huán)境評(píng)估做出新的貢獻(xiàn)。 2.QSPR方法用于預(yù)測(cè)42個(gè)向熱型液晶的向列轉(zhuǎn)變溫度(TN)。HM方法、RBFNN算法和SVM方法分別被用來(lái)構(gòu)建這個(gè)數(shù)據(jù)集三種預(yù)測(cè)模型?;趶较蚧瘮?shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)方法所
5、建立的這個(gè)最優(yōu)的QSPR模型給出的結(jié)果如下:對(duì)于訓(xùn)練集的平方相關(guān)系數(shù)(R2)是0.984,對(duì)于測(cè)試集的平方相關(guān)系數(shù)(R2)是0.953,對(duì)于整個(gè)數(shù)據(jù)集的平方相關(guān)系數(shù)(R2)是0.973;對(duì)于訓(xùn)練集的均方根誤差(RMSE)是2.19,對(duì)于測(cè)試集的均方根誤差(RMSE)是4.13,對(duì)于整個(gè)數(shù)據(jù)集的均方根誤差(RMSE)是2.99。通過(guò)對(duì)整個(gè)數(shù)據(jù)集的多樣性分析和所建模型的預(yù)測(cè)能力評(píng)估及與其它文獻(xiàn)結(jié)果的比較,可以看出,我們的RBFNN模型有很好
6、的預(yù)測(cè)能力。對(duì)所選描述符進(jìn)行合理的解釋?zhuān)欣诶斫庥绊懴驘嵝鸵壕У南蛄修D(zhuǎn)變溫度的因素。 3.應(yīng)用HM方法和RBFNN方法分別建立了60℃時(shí),90個(gè)轉(zhuǎn)變?cè)噭?duì)于苯乙烯聚合反應(yīng)的動(dòng)力學(xué)鏈轉(zhuǎn)變常數(shù)的定量結(jié)構(gòu)-活性關(guān)系模型,并探討了影響苯乙烯的自由基聚合鏈轉(zhuǎn)變常數(shù)的結(jié)構(gòu)因素。通過(guò)所建模型的預(yù)測(cè)能力評(píng)估和預(yù)測(cè)模型應(yīng)用領(lǐng)域的討論及預(yù)測(cè)結(jié)果比較表明,RBFNN方法模型性能要優(yōu)于HM方法模型。討論表明,氫鍵和電荷是和60℃時(shí)苯乙烯的自由基聚合鏈
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 苯的衍生物、液晶分子和苯乙烯聚合的構(gòu)效關(guān)系的研究與分析(1)
- 單茂鈧催化苯乙烯衍生物聚合反應(yīng)的研究.pdf
- 咔唑基三苯乙烯衍生物熒光分子探針的合成與性能研究.pdf
- 苯乙烯嘧啶和苯乙烯咪唑類(lèi)卟啉衍生物的設(shè)計(jì)、合成以及非線(xiàn)性光學(xué)性能的研究.pdf
- 苯丙炔酸及苯乙烯衍生物的三氟甲基化反應(yīng).pdf
- 雙光子吸收聯(lián)苯乙烯類(lèi)衍生物的光譜特性與結(jié)構(gòu)關(guān)系研究.pdf
- 基于α-氰基取代二苯乙烯衍生物的膽甾相液晶發(fā)光器件的制備和研究.pdf
- 含手性液晶基元的二咔唑基三苯乙烯衍生物的合成及性能研究.pdf
- 摻雜α-氰基取代二苯乙烯衍生物的膽甾相液晶的光電性能研究.pdf
- 35725.基于萘及四苯乙烯衍生物的新型熒光分子探針的研究
- 樹(shù)脂催化苯乙烯及其衍生物的氫化芳基化反應(yīng)的研究.pdf
- 均二苯乙烯衍生物的合成及抗腫瘤活性研究.pdf
- 苯乙烯基喹啉磺酰胺衍生物的設(shè)計(jì)與合成.pdf
- 苯乙烯及其衍生物與一氧化碳共聚合研究.pdf
- 3α-酯莨菪烷衍生物的化學(xué)和構(gòu)效關(guān)系.pdf
- 新型苯并噁嗪酮類(lèi)和苯氧噻唑炔類(lèi)衍生物的設(shè)計(jì)、合成與構(gòu)效關(guān)系的研究.pdf
- 委陵菜黃酮肉桂基團(tuán)衍生物的合成與構(gòu)效關(guān)系的研究.pdf
- 用于細(xì)胞成像和抗菌性能研究的四苯乙烯衍生物的合成及應(yīng)用.pdf
- 喜樹(shù)堿衍生物的定量構(gòu)效關(guān)系研究.pdf
- 高熒光氰基二苯乙烯衍生物的設(shè)計(jì)、合成與性質(zhì).pdf
評(píng)論
0/150
提交評(píng)論