基于人工神经网络的脂肪醇沸点QSPR建模.pdf

第25卷第12期
化学研究与应用
Vol25. No, 12
2013年12月
Chemical Research and Application
Dec..2013
文章编号:1004-1656(2013)12-1686-0
基于人工神经网络的脂肪醇沸点QSPR建模
高光芹,袁超,郭芳,闫东锋,何瑞珍,黄家荣
(河南农业大学林学院,河南郑州450002)
摘要:论文以逐步回归确定输人变量(化合物的 Wiener指数、原子的部位指数,分子连接性指数),用人工神经
网络建立了脂肪醇结构与其沸点间的定量结构-性质关系(QSPR)模型。用定性与定量结合的模型检验方法,
确定理想的模型结构为3:3:1。与回归模型比较的结果表明,人工神经网络模型的最小、平均和最大拟合准
确度依次为87.17%,97.58%和99.94%,回归模型相应的拟合结果为83.70%,96.82%和99.99%,人工神经
网络模型明显优于多元线性回归模型。
关键词:脂肪醇;沸点;定量结构-性质关系(QSPR);人工神经网络;逐步回归
中图分类号:0652.7文献标志码:A
QSPR model of fatty alcohol boiling point based on artificial neural network
Gao Guang-qin, Yuan Chao, Guo Fang, Yan Dong-feng, He Rui-zhen, Huang Jia-rong
( College of Forestry, Henan Agricultural University, Zhengzhou, Henan, 450002, China)
Abstract: The artificial neual network was ed establish e quanitative suce- pety rela ionship(SPR models between
the structure of the fatty alcohol compounds and their boiling points. In the process, the input variables(Wiener index of the com
pounds, atomic position index, and molecular connectivity index )were determined by the stepwise regression analysis. The method in
the process of model training combining the qualitative analysis with the quantitative analysis shows that the idea network model
structure is 3: 3: 1. The fitting accuracy of the idea model ranges from 87. 17 to 99. 94 %and the mean value is 97. 58%. Compared
with that, the fitting accuracy of the regression model ranges from 83.70% to 99. 99% and the mean value is 96.82%. The results
show that the artificial neural network model is better than the multivariate linear regression model
Key words: fatty alcohols boiling point; quantitative structure-property relationship(QSPR); atificial neural network; stepwise re
gression
脂肪醇沸点是脂肪醇的重要物理性质,它的个比较活跃的研究领域。该方法将理论计算和
测定,不论采用常量法还是微量法,都比较费事。各种统计分析工具相结合,研究系列化合物的结
为了用理论计算代替测定,人们已提出了多种预构与其各种物理化学性质之间的定量关系模型。
测化合物沸点的定量结构-性质关系(QSPR)模然后,用该模型不仅可以预测化合物的各种理化
型。定量结构-性质关系(QSPR)是目前国际上一性质,而且可以分析确定对化合物的各种性质起
收稿日期:2013-10-23;修回日期:2013-123
基金项目:河南省科技攻关项目(0624050007)资助;河南省教育厅研究基金项目(2009B220)资助
联系人简介:黄家荣(1957-),男,教授,主要从事森林资源信息化管理研究。E-mail:huangjiarong!37@163.com