反向传播神经网络用于预测离子液体的自扩散系数

以片段活度系数类导体屏蔽模型(COSMO-SAC)获得的电荷密度分布片段面积(S_(σ))和空穴体积(VCOSMO)为结构描述符,采用反向传播神经网络构建了可用于预测离子液体中阴阳离子自扩散系数的定量结构-性质关系(QSPR)模型——BP-ANN模型。考察了模型的适用范围与预测能力,并与线性回归得到的QSPR模型(模型I)进行了比较。发现BP-ANN模型适用的离子液体种类较广,模型在阳离子自扩散系数训练集、验证集与测试集中的决定系数R2均大于0.99,在阴离子的三个子集中的R2均大于0.98。阳离子与阴离子预测的平均绝对相对误差分别为2.8%和3.7%。线性回归的QSPR模型对应的值分别为14.54%和14.57%,即BP-ANN模型的预测效果要明显优于基于线性回归建立的模型。