基團(tuán)貢獻(xiàn)人工神經(jīng)網(wǎng)絡(luò)集成法估算有機(jī)物熔點(diǎn)的研究.pdf

1、熔點(diǎn)是有機(jī)化合物的基本熱力學(xué)函數(shù)，研究者經(jīng)常采用實(shí)驗(yàn)和某些經(jīng)驗(yàn)方法獲得。在現(xiàn)有的條件下，有些化合物的熔點(diǎn)無法通過實(shí)驗(yàn)獲得，一些經(jīng)驗(yàn)估算的結(jié)果也往往不合理。因此，通過建立數(shù)學(xué)模型來預(yù)測有機(jī)化合物的熔點(diǎn)，對于指導(dǎo)新型有機(jī)化合物的合成，特別是新型含能化合物的復(fù)雜的合成過程具有重要意義。
　　利用人工神經(jīng)網(wǎng)絡(luò)方法估算有機(jī)物熔點(diǎn)，其預(yù)測結(jié)果優(yōu)于數(shù)學(xué)回歸法的預(yù)測結(jié)果，但是人工神經(jīng)網(wǎng)絡(luò)預(yù)測熔點(diǎn)時，其輸入?yún)?shù)的表征復(fù)雜，而且不易獲得。基團(tuán)貢獻(xiàn)法可

2、以由少量的分子結(jié)構(gòu)基團(tuán)參數(shù)，建立簡單的數(shù)學(xué)模型來估算有機(jī)化合物熔點(diǎn)。使用基團(tuán)貢獻(xiàn)法預(yù)測熔點(diǎn)時，對于相同基團(tuán)的拆解結(jié)果的不同，從而導(dǎo)致預(yù)測結(jié)果的精度不一。為了克服兩種方法的缺點(diǎn)，本文將基團(tuán)貢獻(xiàn)法與人工神經(jīng)網(wǎng)絡(luò)法結(jié)合進(jìn)行有機(jī)物熔點(diǎn)的預(yù)測，人工神經(jīng)網(wǎng)絡(luò)的高度非線性功能，能在一定程度上說明分子組成基團(tuán)之間的影響，理論上能極大的提高預(yù)測精度。
　　本文根據(jù)所選樣本分子結(jié)構(gòu)特征，共得到32種分子基團(tuán)作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，根據(jù)樣本種類的分布規(guī)

3、律，共取25種樣本作為檢測樣本。對初始權(quán)值、隱層數(shù)、隱層節(jié)點(diǎn)的設(shè)計進(jìn)行分析討論，確定BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型的結(jié)構(gòu)為32-12-1，輸出參數(shù)為樣本集的各物質(zhì)的熔點(diǎn)。采用Matlab的trainlm函數(shù)對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練達(dá)到最小誤差要求后，對隨機(jī)選取的測試集的樣本進(jìn)行預(yù)測。最后在研究BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，結(jié)合Visual Basic6.0作為開發(fā)工具，實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的可視化操作。
　　基于基團(tuán)貢獻(xiàn)方法的BP人工神經(jīng)網(wǎng)

4、絡(luò)模型，樣本預(yù)測的平均相對誤差為7.97％，平均絕對誤差為6.25℃，對相同的檢測樣本使用文獻(xiàn)報道的JR法進(jìn)行預(yù)測，預(yù)測結(jié)果的平均相對誤差為21.92%，平均絕對誤差為20.63℃。通過基團(tuán)貢獻(xiàn)法與人工神經(jīng)網(wǎng)絡(luò)法相結(jié)合，預(yù)測純有機(jī)化合物的熔點(diǎn)，這種方法的預(yù)測精度高于大部分文獻(xiàn)報道的基團(tuán)貢獻(xiàn)方法，也為人工神經(jīng)網(wǎng)絡(luò)法提供了較為簡單，易定的輸入?yún)?shù)。將抽象的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，通過VB編程語言開發(fā)成一個可視化，圖像界面豐富的操作系統(tǒng)。預(yù)測熔