基于遗传函数近似法的液态烃类化合物热导率预测

针对化合物热导率数据缺失,现有方法估算的热导率误差较大的问题,提出基于遗传函数近似法(GFA)建立估算液态烃类化合物热导率的多元线性定量构型关系(QSPR)模型。收集122种液态烃类化合物在不同温度下的972个热导率数据,用GaussView 6.1.1软件构建这些化合物的分子结构并用Gaussian 16 C01优化分子构型,再用Dragon 6.0软件计算筛选得到382个分子描述符。采用分层随机方法将数据集划分为训练集和测试集,基于训练集采用GFA算法建立了含有5个分子描述符烃类化合物热导率的预测模型。结果表明,测试集的相关系数的平方R(2)_(test)和均方根误差RMSE_(P)分别为0.9069和0.0061,说明该模型具有良好的拟合度和预测能力,同时适用性域(AD)表明预测模型具有较好的泛化能力和鲁棒性。

烷基吡啶类化合物的气相色谱保留指数与其结构的相关性研究

文章选取意义明确的结构参数,运用数理统计方法,构建了烷基吡啶类化合物在两种不同极性固定相(SE-30和PEG-351)上的气相色谱保留指数与结构相关的QSRR模型,运用遗传函数近似法得到的QSRR方程具有高度的相关性。根据建立的QSRR方程探讨了化合物在不同极性色谱柱上的保留机理。