润滑油调合人工神经元网络系统的开发

介绍了自行开发的润滑油调合人工神经元网络系统的设计、组织结构、功能及用途。系统包括润滑油调合神经网络预测软件和润滑油数据库两个软件 ,其中润滑油调合人工神经网络预测软件用当今流行的面向对象程序设计语言 (Object -OrientedProgramming ,即OOP)VisualC ++5 .0编写 ,后者则用VisualFoxPro6.0编写。两者都可以脱离各自的开发环境独立运行 ,两者界面都是基于中文Windows 9X平台 ,界面友好、功能齐全、适用面广 ,为润滑油调合工艺科学计算、润滑油信息管理提供了方便。

色谱灰色数模的建立及应用研究(Ⅳ)-CGM(1,1,N)模型的建立及烷基苯异构体保留行为的预测

应用灰色系统理论， 推导出灰色Ｎ 参数模型ＣＧＭ（１，１，Ｎ）， 突破了现有单参数灰色模型的局限性． 并用该模型讨论了色谱保留值与分子结构参数间的关系， 对烷基苯的同分异构体色谱保留值及疏水性参数进行了预测． 经实例验证， 其预测精度较单参数灰色模型高， 这为溶质保留行为的预测提供了一个实用方法，

灰色数模的建立及应用研究(II)——NLCGM(1,1)模型的建立及酚保留行为的预测

考虑到灰色ＧＭ（１，１）模型对于处理某些非线性问题的不足，基于灰色系统理论的建模思想，推导出又一种模型———非线性连续灰色模型ＮＬＣＧＭ（１，１）。由于建模过程中采用了双拟合，不但实现了模型的连续化，而且提高了预测精度。将该模型应用于高效液相色谱中，对５种不同种类的酚保留值随流动相组成变化的关系进行了研究，建立相应的ＮＬＣＧＭ（１，１）模型。经验证，计算值与实验值相吻合，获得了较常规ＣＧＭ（１，１）模型和二次方程更高的精度，平均绝对误差为０．０１６，而常规ＣＧＭ（１，１）模型和二次方程的平均绝对误差分别为０．０３３和０．０５６。

色谱灰色数模的建立及应用(Ⅶ)——CGM(1,1,2)B模型的建立及芳烃疏水性常数和液相色谱保留行为的预测

应用灰色系统理论和最小二乘法原理 ,推导出双变量连续微分CGM ( 1 ,1 ,2 )B模型 ,并将该模型用于化合物物性参数及溶质色谱保留行为的预测。用该模型研究了多环芳烃及烷基苯异构体的疏水性常数 (logP)与分子连通性指数 ( χ)、分子长 /宽之比 (L/B)和范德华表面积 (Aw)的关系 ,预测结果的平均相对偏差不超过 1 %。并且在不同流动相和色谱柱下 ,研究了几组烷基苯异构体的保留行为与疏水性常数 (logP)和分子连通性指数 ( χ)的关系。结果表明 ,在不同色谱条件下 ,烷基苯异构体的保留行为与其结构参数密切相关 ,但是固定用某个参数描述该关系并不能满足预测要求。建立的CGM ( 1 ,1 ,2 )B模型适合描述溶质的物性参数及保留行为与分子结构参数之间的复杂关系 ,为结构 -特性定量关系(QSPR)和结构 -色谱保留定量关系 (QSRR)研究提供了一种新的有效方法。

灰色色谱数模CGM(1,1,2)A的建立及液相色谱保留行为的预测

应用灰色系统理论和最小二乘原理， 推导出双变量连续微分 Ｃ Ｇ Ｍ （１ ， １ ， ２） Ａ 模型， 并将该模型用于高效液相色谱中溶质保留行为的预测。首次用建立的 Ｃ Ｇ Ｍ （１ ， １ ， ２） 模型研究了不同流动相、不同色谱柱下几组烷基苯和链烷醇的容量因子与分子碳数和柱温的关系， 预测值平均相对偏差不超过１ ． ５ ％ 。结果表明， 该模型适合描述溶质保留行为与分子结构参数之间的复杂关系， 为分子结构－ 色谱保留定量相关 （ Ｑ Ｓ Ｒ Ｒ） 研究提供了一种新的有效方法。

润滑油调合BP神经网络系统研究

采用变步长和惯性项调整权值系数及阔值的改进BP算法,建立了一润滑油调合BP神经网络系统。分别预测了内燃机稠化油100℃运动粘度(V100)和润滑油的配方组成。预测结果的误差分别为:内燃机稠化油V100的绝对误差(A.D.)在±0.1mm2/s范围内,相对误差(R.D.)在±1.5％范围内;润滑油调合各组分质量百分含量的绝对误差在±1.2％范围内,相对误差在±2.0％范围内。结果表明BP神经网络预测误差能满足试验要求,预测精度优于常规非线性回归方程(分别为:V100 A.D.在±0.5mm2/s范围内,R.D.在±4.0％范围内;组分含量A.D.在±3.0％范围内,R.D.在±4.0％范围内)。为润滑油调合和相关数据的计算提供了一种新方法。