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.pdf

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)的研究已成為化學和環(huán)境科學研究中的一個前沿領域。 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)學模型描述化合物的結(jié)構(gòu)與其物理化學性質(zhì)或生物活性之間的定量關(guān)系。通過這些

2、數(shù)學模型，我們可以預測一些未知化合物的物理化學性質(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方法在化學和環(huán)境科學方面的應用。同時，著重論述了徑向基函數(shù)神經(jīng)網(wǎng)絡(Radial Basis Function Neural Networks，RBFNNs)方法建立的QSAR/QSPR模型，并對所建立的模型做了分析評價。 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，詳細介紹了RBFNN算法、SVM算法和模型評價的基本原理及近年來的一些重要應用。 本論文第二章具體介紹了利用HM方法、RBFNN方法和SVM方法在化學和環(huán)境科學中的應用。簡單介紹如下： 1.應用QSAR方法研究了92個取代苯類化合物對魚的毒性。運用HM方法和RBFNN方法分別建立了這些取代苯類化合物的結(jié)構(gòu)與毒性關(guān)系之間的線性和非線性模型。這兩種方法對測試集的相關(guān)系數(shù)的平方(R2)分別為0.867

4、和0.876，相應的均方根誤差(RMSE)為0.223和0.205。通過對所建模型的預測能力評估和與其它文獻結(jié)果的比較，可以看出，我們的RBFNN模型有較好的預測能力。對所選描述符進行了詳細合理的解釋，有利于發(fā)現(xiàn)毒性機理，能夠為環(huán)境評估做出新的貢獻。 2.QSPR方法用于預測42個向熱型液晶的向列轉(zhuǎn)變溫度(TN)。HM方法、RBFNN算法和SVM方法分別被用來構(gòu)建這個數(shù)據(jù)集三種預測模型?；趶较蚧瘮?shù)神經(jīng)網(wǎng)絡(RBFNN)方法所

5、建立的這個最優(yōu)的QSPR模型給出的結(jié)果如下：對于訓練集的平方相關(guān)系數(shù)(R2)是0.984，對于測試集的平方相關(guān)系數(shù)(R2)是0.953，對于整個數(shù)據(jù)集的平方相關(guān)系數(shù)(R2)是0.973；對于訓練集的均方根誤差(RMSE)是2.19，對于測試集的均方根誤差(RMSE)是4.13，對于整個數(shù)據(jù)集的均方根誤差(RMSE)是2.99。通過對整個數(shù)據(jù)集的多樣性分析和所建模型的預測能力評估及與其它文獻結(jié)果的比較，可以看出，我們的RBFNN模型有很好

6、的預測能力。對所選描述符進行合理的解釋，有利于理解影響向熱型液晶的向列轉(zhuǎn)變溫度的因素。 3.應用HM方法和RBFNN方法分別建立了60℃時，90個轉(zhuǎn)變試劑對于苯乙烯聚合反應的動力學鏈轉(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。通過所建模型的預測能力評估和預測模型應用領域的討論及預測結(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℃時苯乙烯的自由基聚合鏈