期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
Quantitative Structure-biodegradability Relationship Study about the Aerobic Biodegradation of Some Aromatic Compounds 被引量:1
1
作者 荆国华 李小林 周作明 《Chinese Journal of Structural Chemistry》 SCIE CAS CSCD 2011年第3期368-375,共8页
10 quantum chemical descriptors of 21 aromatic compounds have been calculated by the semi-empirical quantum chemical method AM1. The Quantitative Structure-Biodegradability Relationships (QSBR) studies were performe... 10 quantum chemical descriptors of 21 aromatic compounds have been calculated by the semi-empirical quantum chemical method AM1. The Quantitative Structure-Biodegradability Relationships (QSBR) studies were performed by the multiple linear regression (MLR), principal component regression (PCR) and back propagation artificial neural network (BP-ANN), respectively. The root mean square error (RMSE) of the training and validation sets of the BP-ANN model are 0.1363 and 0.0244, the mean absolute percentage errors (MAPE) are 0.1638 and 0.0326, the squared correlation coefficients (R^2) are 0.9853 and 0.9996, respectively. The results show that the BP-ANN model achieved a better prediction result than those of MLR and PCR. In addition, some insights into the structural factors affecting the aerobic biodegradation mechanism were discussed in detail. 展开更多
关键词 aromatic compounds quantitative structure-biodegradability relationships multiple linear regression principal component regression artificial neural network
下载PDF
运用回归分析与人工神经网络预测含硫芳香族化合物好氧生物降解速率常数 被引量:18
2
作者 张爱茜 韩朔睽 +1 位作者 沈洲 马静 《环境科学》 EI CAS CSSCI CSCD 北大核心 1998年第1期37-40,共4页
为了研究人工神经网络预测有机化合物生物降解的性能,运用多元线性回归方法和误差反向传递人工神经网络模型以基团代码作为结构描述符,分别拟合、预测了一批含硫芳香族化合物的一级好氧生物降解速率常数.结果表明,由于神经网络自动... 为了研究人工神经网络预测有机化合物生物降解的性能,运用多元线性回归方法和误差反向传递人工神经网络模型以基团代码作为结构描述符,分别拟合、预测了一批含硫芳香族化合物的一级好氧生物降解速率常数.结果表明,由于神经网络自动考虑了基团间的交互作用,它对生物降解这类复杂问题有极高的求解能力,预测的均方误差为0.00102,远低于线性回归模型的预测误差0. 展开更多
关键词 人工神经网络 预测 含硫 芳香族化合物 生物降解
下载PDF
利用人工神经网络预测芳香化合物的生物可降解性 被引量:6
3
作者 王世明 施汉昌 钱易 《环境化学》 CAS CSCD 北大核心 2000年第1期48-52,共5页
本文采用简单的化学基团描述符来表征化学物质的结构、以底物的最大比去除速率表征生物可降解性的大小,运用自编的人工神经网络对芳香族化合物的生物可降解性进行了研究.试验过程中,按芳香族化合物最大比底物去除速率的大小将其生物可... 本文采用简单的化学基团描述符来表征化学物质的结构、以底物的最大比去除速率表征生物可降解性的大小,运用自编的人工神经网络对芳香族化合物的生物可降解性进行了研究.试验过程中,按芳香族化合物最大比底物去除速率的大小将其生物可降解性分为四组:不降解、难降解、可降解、易降解.随机抽取10%的有机化合物作为预测集,余下的作为训练集,共进行了四次预测试验,正确预测率分别达80%,80%,4O%,80%,这显示了人工神经网络对芳香族化合物的生物可降解性有较好的预测性能. 展开更多
关键词 神经网络 芳香族化合物 生物可降解性 污染物质
下载PDF
利用ANN法预估芳香族多硝基化合物的密度 被引量:7
4
作者 蔡弘华 田德余 +2 位作者 林振天 刘剑洪 洪伟良 《火炸药学报》 EI CAS CSCD 2007年第3期9-15,共7页
运用神经网络模型,采用误差反向传播算法,对一系列芳香族多硝基化合物的密度进行了预测。结果表明,芳香族多硝基化合物的密度与其分子结构存在良好的相关性,选用分子结构描述码作为输入特征参数能取得较高的预估精度,预测结果的相对误... 运用神经网络模型,采用误差反向传播算法,对一系列芳香族多硝基化合物的密度进行了预测。结果表明,芳香族多硝基化合物的密度与其分子结构存在良好的相关性,选用分子结构描述码作为输入特征参数能取得较高的预估精度,预测结果的相对误差一般在±10%以内。 展开更多
关键词 结构化学 人工神经网络(ANN) 密度预估 芳香族多硝基化合物
下载PDF
利用人工神经网络研究含硫芳香族化合物结构与毒性的关系 被引量:2
5
作者 沈洲 韩朔睽 +1 位作者 张爱茜 陆国平 《环境化学》 CAS CSCD 北大核心 1997年第2期138-141,共4页
本文采用简单的化学基团描述符,运用人工神经网络研究了含硫芳香族化合物对发光菌的毒性构效关系,并与多元线性回归相比较,结果显示了人工神经网络处理非线性问题的优越性.
关键词 人工神经网络 含硫 芳香族化合物 毒性 预测
下载PDF
芳香族化合物生物降解性的QSBR研究 被引量:10
6
作者 陆光华 王超 包国章 《化学通报》 CAS CSCD 北大核心 2003年第6期413-417,共5页
分别采用线性基团贡献法和人工神经网络法对芳香族化合物的生物降解最大去除率QTOD进行QSBR研究。得到不同基团对生物降解性的贡献顺序为 :C6H5>COOH >OH >CO >CH3 >C1 >NH2>NO2 。线性基团贡献法对于训练组和测... 分别采用线性基团贡献法和人工神经网络法对芳香族化合物的生物降解最大去除率QTOD进行QSBR研究。得到不同基团对生物降解性的贡献顺序为 :C6H5>COOH >OH >CO >CH3 >C1 >NH2>NO2 。线性基团贡献法对于训练组和测试组的预测正确率分别为 86%和 80 % ,总的预测正确率达85 % ;而人工神经网络法的预测正确率分别为 94%、80 %和 92 %。结果表明 ,线性基团贡献法和神经网络法的预测效果均很好 ,而神经网络法的预测更精确。 展开更多
关键词 芳香族化合物 生物降解性 QSBR 基团 神经网络 预测 污染物 环境保护
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部