神经网络和多元线性回归筛选QSAR模型结构参数

在人工神经网络信息流分析的基础上,通过比较人工神经网络模型中的连接权值和阈值建立了筛选定量构效关系中分子结构参数的新方法.结果表明,采用人工神经网络筛选得到的结构参数构建定量构效关系模型,其模型质量和预测能力均优于多元线性回归方法筛选得到的结构参数所构建的定量构效关系模型.     

多氯酚QSAR数值模型比较研究

应用多元线性回归分析和新近发展起来的人工神经网络方法进行了一类重要环境污染物多氯酚的定量构效关系研究，并用所建立的模型进行毒性预报，计算值与实验值的比较表明，前的相关系数约为０．９２，后的相关系数约为０．９９．后的百分误差地明显小于前，后的预报能力略好于前，中还讨论了后优于前的的原因。     

环境化学

X132(X) 301875非离子表面活性剂对菲在水/土壤界面间吸附行为的影响/陈宝棵(浙江大学环境科学系)…//环境科学学报/中科院生态环境研究中心一2印3,23(l)一1一5环图X一9的凡‘/玛比值随土壤有机碳含量的增加而降低,而表现有机碳标化的吸附系数嵘廿则随TX一100浓度的增大而减小。影响机理由吸附态和溶解态的铁一100分别对菲的吸附作用和增溶作用决定。图4表2参9X1312(X) 301876多氯酚定量构效关系人工神经网络信息流分析/高大文…(哈尔滨工业大学环境科学与工程系)//比较研究了不同浓度非离子表面活性剂Tx一1加存在下,4种土壤对菲的吸附…     

取代苯类有机物拓扑指数与酵母菌毒性的人工神经网络

以酿酒酵母菌作为指示生物,对78种取代苯类有机物开展了定量构效关系研究。采用人工神经网络（ANN）建模方法,以酵母菌的1g(1/Cmlz）为活性参数,点价自相关拓扑指数（A、B、C和D值）为分子结构参数,建立了取代苯类有机物定量构效关系神经网络模型;从24种点价自相关拓扑指数中在线筛选出A[0]、A[1]、C[3]、C[5]和D[3]等5种主要结构参数作为ANN的输入节点,并讨论了它们对酵母菌毒性的影响。将模型用于23种取代苯类有机物的生物毒性预测,结果满意。建立了Cmlz与LC50之间线性关系良好的相关性数学模型。     

基于粒子群优化极限学习机的水质评价新模型

河流水质实时评价技术对当前河流水资源管理和保护具有重要意义。该文以淮河水质为例,利用粒子群优化的极限学习机(Particle Swarm Optimization-Extreme Learning Machine,PSO-ELM)分类算法对淮河水质进行类别判定。在极限学习机(ELM)分类算法中随机给定输入权值矩阵和隐含层偏置,需要较多的隐含层节点才能达到所需的精度要求,隐含层节点过多易于出现过拟合现象并增加算法的计算量。该文利用粒子群算法(PSO)优化极限学习机的输入权值矩阵和隐含层偏置,计算输出权值矩阵,以减少隐含层节点。通过对比PSO-ELM、ELM这2种算法发现,PSO-ELM算法以较少的隐含层节点可获得更高的精度,降低了对实验样本的需求量,提高了模型的拟合能力。实验结果表明,PSO-ELM对于水质类别判定具有一定的可行性和有效性。     

定量构效关系模型在化合物毒性预测领域的应用、发展与展望

定量构效关系（Quantitative Structure Activity Relationship, QSAR）在化合物毒性虚拟计算领域被广为使用,能够高效、准确地用于化合物毒性的预测和风险评估.本文综述了利用QSAR方法开展化合物毒性预测中数据集、数据输入和模型方法3个领域的发展与变化,分析了研究的发展历程,提出了当前研究热点,并针对定量构效关系在化合物毒性预测领域的未来发展提出了展望.     

一体化A_mO_n工艺BP神经网络数学模型研究

讨论基于BP神经网络一体化AmOn污水处理工艺数学模型的构建。在分析神经网络和一体化AmOn污水处理工艺各自特点的基础上,建立了具有11个输入层节点、5个输出层节点以及包含两层隐含层的BP神经网络,并确定了各隐含层的节点数、网络的权值和阈值。对模型的验证结果表明:BP神经网络模型基本反映了AmOn一体化工艺的主要特点,网络预测出水结果与实测结果相差不大,神经网络模型具有较好的泛化能力。     

城市空气质量的BP和RBF人工神经网络建模及分类评价

根据MATLAB提供的人工神经网络模型,将其应用到城市空气质量评价,研究并对比分析BP和RBF两种人工神经网络的建模方法及评价结果。首先构建BP神经网络模型,确定输入层、隐含层和输出层的神经元数,选择Sigmoid型函数作为激励函数,应用内插扩展出的训练样本对BP网络进行学习,再用训练成熟的BP网络对待评价样本进行仿真;其次构建RBF神经网络模型,确定其输入层和输出层的神经元数,选择Gauss函数作为隐含层激励函数,再用同样的训练样本进行学习和仿真;最终进行归一化论证,验证归一化预处理在空气质量评价中的必要性。结果表明:应用BP和RBF人工神经网络可以得出较好的城市空气质量分类评价结果,其中RBF神经网络模型与改进的灰色聚类法评价结果一致,具有较高的准确率,是一种快捷、有效的综合评价方法。     

耦合遗传算法与RBF神经网络的PM2.5浓度预测模型

基于北京市空气质量监测点获取的空气污染物浓度数据,通过遗传算法搜索径向基人工神经网络的最优隐含层神经元数目和扩展常数,构建了耦合径向基人工神经网络算法与遗传算法的预测模型,预测北京市未来一天24h平均PM_2.5质量浓度.结果表明,预测精度与泛化性能良好.该模型不需要输入气象和地理位置信息等数据,具有依赖变量少、预测精度高（R²达0.75）和运算效率高等特征,并可以通过训练样本的驱动,使自身不断优化调整.该模型预测效果可以通过扩展输入特征、增加训练样本量等方法进一步提升,可对多种时空情境下的城市空气污染进行高效率且精确的预测.     

环境污染物定量构效关系模型研究进展

介绍了环境污染物定量构效关系研究进展，并探讨了各种模型的优缺点，指出：多元线性回归分析，模式识别等传统的数值模型适用于分子结构类似，样本数少的系列化合物ＱＳＡＲ研究，而最近发展起来的专家系统模型和人工神经网络模型不仅具有很强烈的识别能力，还具有较强的预报能力，是ＱＳＡＲ模型发展的新趋向。