數(shù)據(jù)挖掘方法在材料設計和構(gòu)效關(guān)系中的應用.pdf

1、數(shù)據(jù)挖掘(DataMining)可以從大量的、不完全的、模糊的數(shù)據(jù)中，提取隱含其中的有用信息、知識和規(guī)律。本文將數(shù)據(jù)挖掘方法應用在材料設計和藥物構(gòu)效關(guān)系研究中，探討了數(shù)據(jù)挖掘在(Zr0.7Sn0.3)TiO4陶瓷配方優(yōu)化、β-賽隆剛玉澆注料制備工藝優(yōu)化和納米氧化鋁制備工藝優(yōu)化中的應用；并以乙酰胺類除草劑為例，探討了數(shù)據(jù)挖掘方法在構(gòu)效關(guān)系中的應用。歸納起來，本文的主要工作如下： 運用數(shù)據(jù)挖掘方法對(Zr0.7Sn0.3)TiO4陶

2、瓷的配方性能關(guān)系進行了研究，分別建立了(Zr0.7Sn0.3)TiO4陶瓷介電常數(shù)和損耗角正切的支持向量回歸、逆?zhèn)鞑ト斯ど窠?jīng)網(wǎng)絡、多元線性回歸模型。用留一法分別檢驗了三種不同模型的預報能力，結(jié)果表明：上述三種模型對于(Zr0.7Sn0.3)TiO4陶瓷介電常數(shù)的留一法預報的平均相對誤差分別為1.081％、1.632％、1.931％，對于損耗角正切的留一法預報的平均相對誤差分別為0.999％、1.650％、1.414％。因此，數(shù)據(jù)挖掘方法

3、可為新型介電陶瓷的性能預報和配方優(yōu)化提供一條可靠的新途徑。 在β-賽隆剛玉澆鑄料的制備工藝優(yōu)化中，分別運用支持向量回歸、偏最小二乘、人工神經(jīng)網(wǎng)絡算法建立定量的數(shù)學模型。留一法結(jié)果表明，三種算法的均方根誤差分別為1.57，1.72和7.22；三種算法的平均相對誤差為：8.25％，9.10％和36.38％。表明數(shù)據(jù)挖掘在此類復雜工藝條件的優(yōu)化中有一定的潛力。 運用正交試驗設計合理安排了納米氧化鋁的制備，根據(jù)實驗數(shù)據(jù)，運用數(shù)據(jù)

4、挖掘方法對工藝條件進行了建模和預報。以支持向量回歸、多元線性回歸和人工神經(jīng)網(wǎng)絡對硫酸鋁銨析出量進行了留一法預報，三者的均方根誤差分別為：4.499，4.097和4.888，平均相對誤差為：12.04％，11.17％和16.58％；在碳酸鋁銨制備的工藝優(yōu)化中，運用支持向量回歸和多元線性回歸建立了數(shù)學模型，兩者留一法預報的平均相對誤差分別為5.067％、5.722％。 在N-(1-甲基-1-苯乙基)苯乙酰胺類除草劑的構(gòu)效關(guān)系研究中，

5、運用熵法對自變量進行了篩選，然后，運用支持向量回歸、人工神經(jīng)網(wǎng)絡和多元線性回歸對數(shù)據(jù)進行了訓練和留一法預報。三種方法訓練的平均相對誤差分別為：5.594％，5.890％，6.638％；留一法的平均相對誤差分別為：6.305％，8.001％，7.204％。結(jié)果表明，數(shù)據(jù)挖掘技術(shù)將有助于新藥的開發(fā)和篩選。 化學化工領(lǐng)域積累了大量的數(shù)據(jù)，而數(shù)據(jù)挖掘新方法也不斷涌現(xiàn)，這促進了數(shù)據(jù)挖掘技術(shù)在化學化工中的應用。本文的研究表明，數(shù)據(jù)挖掘方法對