应用电性拓扑状态指数预测烷烃自燃点

建立了一个基于人工神经网络的定量结构-性质相关性模型，用于52种烷烃化合物自燃点的预测研究。应用原子类型电性拓扑状态指数作为表征分子结构特征的描述符。该指数既能表征分子的电子特性，又反映其拓扑特征，同时易于计算，并有较强的同分异构体区分能力。采用误差反向传播（BP）神经网络方法对烷烃自燃点与电性拓扑状态指数间可能存在的非线性关系进行拟合。将52种烷烃样本随机划分为训练集（30种）、验证集（8种）和测试集（14种），并通过“试差法”确定网络的最优参数。运用最佳网络结构[64—1]对实验样本进行模拟，结果表明，多数样本的自燃点预测值与实验值符合良好，对于测试集，平均预测绝对误差为8．4℃，均方根误差为11．8，优于多元线性回归方法和传统基团贡献法所得结果。该方法的提出为工程上提供了一种根据分子结构预测有机物白燃点的有效方法。     

烃类及其衍生物闪点、沸点的定量构效关系

基于定量结构一性质相关性（QSPR）原理,研究了烃类及其衍生物闪点、沸点与其分子结构间的内在定量关系。应用CODESSA软件计算384种烃类及其衍生物的分子结构描述符,建立了闪点和沸点的QSPR模型。用最佳多元线性回归（B．MLR）方法筛选得到的分子描述符建立了线性回归模型。用B-MLR方法所选择的5个描述符作为支持向量机（SVM）的输入建立了非线性模型。所有的化合物被分为训练集和测试集,对每个模型的训练集和测试集的复相关系数、交互验证系数、均方根误差等进行了计算,并用测试集对模型的预测能力进行检验,预测结果表明：预测值与实验值均符合良好,所建立的闪点模型稳健,泛化能力强,预测误差小,预测的效果令人满意,但沸点的模型预测效果有待加强。相比烃类物质的模型,加了衍生物的模型性能均有所下降。     

烃类沸点的定量构效关系研究

应用CODESSA软件计算296种烃类物质的分子结构描述符,分别用启发式回归（HM）和最佳多元线性回归（B-MLR）筛选计算出的所有分子描述符,并建立沸点的线性回归模型。用B-MLR方法筛选出的4个描述符作为支持向量机（SVM）的输入建立了非线性模型。预测结果表明：所建立的模型稳健,泛化能力强,预测误差小。非线性模型（R2=0.9905,RMSE=10.2295）的性能优于线性回归模型（HM：R2=0.9819,RMSE=14.0606;B-MLR：R2=0.9842,RMSE=13.1058）,预测效果令人满意。     

基于BP神经网络的二元混合液体自燃温度预测

为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892 K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530 K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。     

基于QSPR方法的烃类物质苯胺点预测

烃类物质在石油工业中有着非常广泛的应用.在石油工业中常用苯胺点来衡量有机溶剂的溶解性能.基于定量结构-性质相关性(QSPR)原理,根据分子结构计算反映分子结构信息的结构参数,应用遗传函数算法从大量结构参数中优化筛选出与烃类物质苯胺点最为密切相关的结构参数作为表征相应化合物结构特征的分子描述符,采用多元线性回归方法对分子描述符与苯胺点之间的定量函数关系进行关联,建立了预测烃类物质苯胺点的理论模型.最后,对模型进行了内部及外部验证来检验模型的可靠性.在此基础上,对所建立的预测模型进行机理解释,分析了影响烃类物质苯胺点的主要结构因素及其影响规律.研究表明,所建模型具有较高的稳定性和预测能力.     

基于多元线性回归模型的电力负荷预测研究

电力负荷预测是电力系统规划和电网运行的重要内容、前提和基础。科学、准确的电力需求预测对电力工业的健康发展,乃至对整个国民经济的发展均有着十分重要的意义。针对我国1995年至2008年人口、GDP和全社会用电量的历史数据,基于多元线性回归分析进行中、长期电力负荷预测,多元线性回归模型通过变量GDP和人口进行全社会用电量的电力负荷定量预测。结果表明模型的有效性,为电力负荷预测的滚动修正,进而为电力负荷控制和预测提供科学依据。     

基于分子结构的链烷烃辛烷值预测研究

基于定量结构-性质相关(QSPR)原理,研究化学物质的结构与性能之间的关系,应用遗传-偏最小二乘(GA -PLS)方法从大量结构参数中筛选出与链烷烃马达法辛烷值最相关的5个分子描述符,采用多元线性回归方法,建立了根据分子结构预测链烷烃马达法辛烷值的数学模型.结果表明,模型具有较高的稳定性以及预测能力.为工程上提供了一种...     

基于运行场次用时误差的载人设备故障预警可视化研究

针对国内游乐设施行业载人设备运行状态监测不够完善、故障诊断多数情况下需要依赖技术人员经验的现状,分析了基于机理模型、基于知识和基于数据驱动的载人设备故障预警方法,研究了载人设备故障预测的多元线性回归算法,并利用矿山车的时间系数、人数系数、温度系数,建立了矿山车载人设备的多元线性回归模型。通过矿山车15个同步点区间用时预测案例,在可视化平台上显示预测和实际运行曲线,实现了对矿山车或过山车类载人设备运行故障的有效预警。     

基于遗传算法的支持向量机预测有机物自燃点的研究

根据定量构效关系(QSPR)原理,研究自燃点(AIT)与其分子结构间的内在定量关系。以265种有机化合物作为样本集,随机选择238种作为训练集,27种作为测试集,用遗传算法(GA)进行变量选择,分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型研究有机物的自燃点与其分子结构间的关系。通过分析,发现造成模型预测效果不佳的原因是试验数据本身存在问题。通过对2个模型的比较,结果为GA-SVM模型明显优于GA-MLR模型,说明自燃点与其分子结构间具有很强的非线性关系。     

基于多元线性回归的煤矿驾驶员情绪预测模型*

为研究煤矿人车驾驶员情绪状态不良引发的煤矿驾驶事故问题，设计眼动实验并建立基于多元线性回归的驾驶员情绪状况预测模型对驾驶员情绪状况进行预测；通过眼动仪采集煤矿驾驶员良好情绪与不良情绪状态下的各项眼动指标，记录其主观情绪状态；使用多元线性回归方程对数据进行分析与建模，采用平均相对误差对预测模型进行评估。结果表明:每秒注视点个数、平均扫视速度、反应时间、危险源辨识个数在情绪变化前后存在显著差异，且与情绪状态呈较强相关；基于多元线性回归的驾驶员情绪状况预测模型预测精度较高，平均相对误差为8.16%。模型适用于煤矿人车驾驶员的情绪监测，可为煤矿驾驶员安全行驶提供保障。