共查询到20条相似文献,搜索用时 924 毫秒
1.
多元逐步回归对苯胺类化合物结构与毒性模型研究 总被引:4,自引:0,他引:4
采用Chemoffice6.0中MOPAC-AMl量子化学法计算了24种苯胺类化合物的6种量子化学结构参数.其中取17个化合物作为样本集对-lgEC50进行多元逐步回归分析.得到最佳方程.经自由度校正的回归系数R=0.985。应用所建立的QSAR模型验证了苯胺类化合物的EC50值.并通过“Jackknife”中的逐一抽取法进行模型检验,得出该模型具有很好的稳定性.平均残差仅为0.05个对数单位.小于文献值。经过7个预测样本对该模型进行验证.结果表明.该模型具有很好的预测能力。同时分析了苯胺类化合物的毒性机理。 相似文献
2.
由于雾霾导致的空气能见度降低,给人们的出行带来很多不便。针对这一现象,构建基于遗传神经网络算法的空气能见度预测模型。将与空气能见度相关的7种气象因子和6种污染物浓度因子经过主成份分析后作为输入数据,输出8:00能见度和14:00能见度。该模型能够克服BP神经网络易陷入平坦区域和局部最优解的问题。以西安市2013-1-1—8-16的数据训练遗传神经网络,通过使用灰色模型获得预测时间段8-17—23的输入数据,可以得到这段时间能见度的预测值。通过与BP神经网络模型的比较,发现遗传神经网络预测模型在预测结果的相关性和绝对误差方面均优于BP神经网络模型,因此,可以更准确地预测空气能见度。 相似文献
3.
4.
5.
在化学-生物絮凝工艺中试研究的基础上,分别建立了基于BP类神经网络的多输入多输出(MIMO)模型与多输入单输出(MISO)模型。应用化学生物絮凝工艺中试6个不同工况的实测数据对2个模型进行训练,均表现出很好的收敛性。通过另外2个中试工况的实测数据对模型预测性能进行测试,MISO模型对化学-生物絮凝反应器出水的COD、TP和SS的预测相对误差均低于MIMO模型,其预测相对误差均在9%以下。研究表明,MISO模型是一个很易使用的建模工具,能很好地预测化学-生物絮凝工艺出水水质。 相似文献
6.
7.
8.
建立了某市PM10浓度预报的分段BP神经网络模型,经验证,所建立的BP预报模型,预测精度比较高,PM10日平均浓度误差大多在-0.010~0.010mg/m^3范围内,相对误差在-20%~20%,表明BP神经网络对PM10的浓度预报是一种有效的工具。 相似文献
9.
运用奇异谱分析(SSA)对湘江新港断面557周的pH、DO、高锰酸盐指数和氨氮数据进行了预处理,再运用遗传算法优化反向传播神经网络模型进行拟合与预测。结果表明:SSA有较好的降噪能力,遗传算法反向传播(GABP)神经网络模型相比BP神经网络模型均方根误差(RMSE)平均缩小了6.96%,具有良好的预测精度;预测期内新港断面的pH、DO、高锰酸盐指数、氨氮均能满足《地表水环境质量标准》(GB 3838—2002)Ⅲ类标准,但氨氮在预测期内呈上升趋势,需警惕氨氮浓度过高引发的水污染问题。 相似文献
10.
BP神经网络对蚯蚓滤池处理COD的模拟预测 总被引:1,自引:1,他引:0
基于蚯蚓滤池处理去除污染物的非线性特点,利用BP神经网络建立了蚯蚓滤池处理COD的基本模型结构。同时对实验数据进行了验证和预测,通过权值贡献率分析确定了各种输入因素对COD出水浓度的影响。结果表明:COD的出水模型预测值与实际值平均误差较小,模型稳定,预测效果好。输入神经元为4,隐含神经元为8,输出神经元为1,学习速率为0.1,动量为0.1,训练次数为10 000的BP神经网络模型,预测的COD出水值最接近真实值。COD进水浓度对COD出水影响最大,符合理论研究结果。BP神经网络模型建立的成功为后续生活污水智能化控制的研究提供了相应的理论基础。 相似文献
11.
12.
13.
14.
测定了酚类化合物对硝化颗粒污泥活性抑制的logIC50值,以量子化学参数为自变量,应用偏最小二乘法(PLS),建立了酚类化合物对硝化颗粒污泥活性抑制的定量结构-活性相关(QSAR)模型。模型所提取的PLS主成分所能解释的因变量总方差的比例Qc2um为0.820,表明模型具有较好的稳定性和预测能力。模型的结果表明,影响酚类化合物对硝化颗粒污泥活性抑制的主要因素是logkow、CCR和Ehomo,酚类化合物对硝化颗粒污泥活性抑制的logIC50随着分子logkow的增大而减小,随着Ehomo和CCR的增大而增大。 相似文献
15.
16.
17.
18.
基于灰色模型和模糊神经网络的综合水质预测模型研究 总被引:2,自引:0,他引:2
水质状态变化趋势预测研究对水资源管理和维护具有重要的现实意义。提出了一种将灰色模型和模糊神经网络相结合的水质预测模型。首先基于改进的灰色模型预测出水体中各理化因子在未来一段时间内的指标变化,然后采用T-S模糊神经网络对各单因子的预测值进行数据融合,构建水质变化综合趋势预测模型,预测出下一时间段的水质整体状态指标。实验表明,这种方式用来预测湖泊水质变化趋势具有可行性;与BP网络模型相比,基于T-S模糊神经网络系统的模型具有预测精度高、模型系统稳定等优越性。 相似文献
19.
针对化学强化一级处理系统(CEPT)处理废水时影响因素多,难以进行适当的控制和处理效果的预测等问题,建立起基于BP人工神经网络的CEPT法处理猪场稳定塘废水预测模型,并应用该模型对烧杯试验进行了模拟。结果表明,预测值和实测值吻合较好,模型对COD、总磷、浊度去除率预测的平均相对误差分别为7.5%、4.8%和4.9%。通过对pH值和絮凝剂投药量等可控参数进行优化计算,得到CEPT系统的最佳操作条件和最合理操作条件。该模型的建立为CEPT法处理废水工艺系统实现自动化控制提供了一条简便实用的途径。 相似文献
20.
基于空气质量数据不足及波动较大的情况,将灰色GM(1,1)模型与人工神经网络模型组合并改进,建立改进型灰色神经网络组合模型。利用天津市2001—2008年PM10、SO2和NO2年均值作为原始数据预测2009—2010年PM10、SO2和NO2的浓度以进行模型精度检验,最后利用该模型预测2011—2015年天津市空气质量状况。结果表明,与灰色GM(1,1)模型、传统灰色神经网络组合模型相比,所建立的改进型灰色神经网络组合模型相对模拟误差小,预测结果更为可靠,可以用于空气质量预测。 相似文献