取代芳烃对呆鲦鱼急性毒性的QSAR石开究

应用密度泛函方法（DPT）在B3LYP／6-311G＊＊水平上全优化计算25个取代芳烃的量子化学参数,结合疏水性参数与化合物对呆鲦鱼的急性毒性进行定量构效关系研究（QSAR）。经逐步回归筛选变量后,所建多元线性回归方程的相关系数R及去-法交互检验复相关系数R^2cv分别为0．967和0．907。用预测集样本进行了外部预测,所得外部预测样本复相关系数R^2ext和外部预测集交互检验Q^2ext分别为0．881和0．836。模型结果显示：分子疏水性参数logP较大时具有较大的脂溶性,化合物的毒性较大;取代基的吸电子能力越强,苯环的正电性越大,化合物的毒性越大。     

DFT法用于部分取代芳烃急性毒性研究

为探寻取代芳烃类有机物结构与毒性的关系,采用DFT-B3LYP/6-311G全优化计算获得了部分取代芳烃的量子化学参数,结合化合物疏水参数(log P)建立了取代芳烃化合物结构-生物毒性关系(QSAR)模型。通过逐步回归得到的5变量模型复相关系数(R)为0.958,标准偏差(SD)为0.313。再用留一法(Leave-one-out,LOO)交互检验对模型进行了评价,得到的复相关系数(RCV)为0.918,标准偏差(SDCV)为0.433,结果表明所建模型具有较好的稳定性和预测能力。     

部分酯类化合物结构与毒性关系研究

该文在化合物二维结构基础上,对48个酯类化合物结构进行了表征,进而建立了化合物结构与水生毒性关系模型,模型的相关系数(R~2)分别为0.926 6和0.917 4,标准偏差(SD)分别为0.257 6和0.255 8。采用留一法交互检验评价了模型的稳定性,得到模型交互检验的相关系数(RCV~2)分别为0.885 6和0.799 2,标准偏差(SD_(CV))分别为0.255 8和0.294 5。运用外部样本检验了模型的预测能力,得到外部预测的相关系数(Rtest2)分别为0.991 0和0.952 3,标准偏差(SD_(test))分别为0.079 3和0.182 9。分子结构描述符能较好地表现化合物结构特征,所建模型拟合效果好、稳定性强、预测准确性高。对于环境中有毒化合物的结构-毒性关系研究具有较好的参考价值。     

MEDV描述子预测取代芳烃类化合物的藻毒性

以分子电性距离矢量(MEDV)描述子有效表征43个取代芳烃类化合物的分子结构,应用基于预测变量的选择与模型化(VMSP)方法,建立化合物的封闭体系绿藻(Pseudokirchneriella subcapitata)毒性(48 h EC₅₀)与其分子结构之间的定量相关(QSTR)模型. 应用多元线性回归方法建立的QSTR模型具有较高的相关系数(r0.891 1)及LOO(Leave-One-Out)检验相关系数(q0.810 2),表明该模型具有良好的估计能力与稳定性. 应用28个化合物的训练集样本构建QSTR模型预测外部检验集,结果表明,训练集模型也具有良好的预测能力.      

芳香族化合物在XAD-4上吸附机理的研究

通过批量吸附实验考查了7种芳香族化合物在XAD-4上的吸附热力学行为.结果表明,在实验条件下,Freundlich方程能很好地拟合这7种化合物在XAD-4上的等温吸附数据,且都为优惠吸附,吸附能力均随着温度的升高而降低.结合7种化合物的分子结构描述符和Freundlich方程的吸附平衡常数,建立了QSPR模型,较高的可决系数R2(0.991)、去一法交互检验可决系数R2CV(0.985)和外部预测集交互检验系数Q2ext(0.994)表明,该模型具有较高的稳定性能和预测能力.模型结果表明,水杨酸等7种芳香族化合物在XAD-4上的Freundlich吸附平衡常数与溶质疏水性能呈正比关系,与温度、溶质分子极性和溶质分子的氢键酸度常数呈反比关系.     

支持向量机用于芳烃类化合物对芳烃受体亲和性QSAR研究

尝试将支持向量机(SVM)应用于3种典型芳烃类环境毒物(PCDD,PCDF和PCB)定量构效关系研究,通过对芳烃受体亲和性考察,结果发现该组样本的生物活性在一定程度上与分子电性距离矢量具有非线性联系.SVM对内部和外部样本都具良好稳定性能和预测能力:所得模型拟合、交叉检验、外部预测复相关系数及均方根误差分别为R2cum=0.922、Q2cum=0.825、Q2ext=0.834和RMSext=0.531将其与文献报道及多元线性回归、偏最小二乘、人工神经网络进行比较,结果表明对小样本、非线性问题SVM具较强拓展性及泛化能力,故在环境毒物评价和控制中具有广阔应用前景.     

几种酚衍生物对青海弧菌Q67毒性的3D-QSAR研究

测定了16种酚衍生物对青海弧菌(Q67)的半致死浓度EC50(mol·L-1),通过比较分子力场分析方法(CoMFA)和比较分子相似性指数分析方法(CoMSIA),对16种酚衍生物的毒性进行了三维定量结构-活性相关(3D-QSAR)研究,建立了CoMFA和CoMSIA模型.其中CoMFA模型交叉验证相关系数Q2=0.703,非交叉验证相关系数R2=0.983,F检验值F=178.635;CoMSIA模型交叉验证相关系数Q2=0.588,非交叉验证相关系数R2=0.946,F检验值F=52.074,所建立的模型均有较强的稳定性和良好的预测能力.通过分析比较CoMFA和CoMSIA的三维等势图,全面直观地了解了酚衍生物的结构对致毒性的影响.在酚类化合物毒性作用过程中,化合物的氢键供受体特性因素起主要作用,其次是取代基的电负性和疏水性特征.     

用电性拓扑态预测苯砜基乙酸酯对发光菌的毒性效应

应用电性拓扑态(Electrotopological State, E-state)指数模拟分析了a-取代苯砜基乙酸酯类化合物对发光菌的毒性(15min-EC50, mmol/L),构建了一个4变量QSAR模型.模型的相关系数(R²a_dj)和标准偏差(SD)分别为0.944和0.062,模型具有较高的预测能力和可靠性.模型分析表明,砜基和酯基是该类化合物的活性中心;化合物的疏水能力以及化合物与受体分子间的偶极/极化作用和氢键效应对化合物毒性起着重要影响.     

醇酚类化合物毒性的QSAR研究

化合物毒性与描述符通常呈现为非线性关系,量子化学计算的化合物分子描述符中包含诸多无关特征与冗余特征.最大相关最小冗余(m RMR)是应用较广泛的特征选择方法,但当前的m RMR对连续型因变量不适用,且存在相关性测度与冗余性测度不可比的缺陷.定量构效关系(QSAR)研究中因变量(毒性)与自变量(描述符)多为连续型变量,本文以非线性的距离相关系数(d Cor)取代线性的Pearson相关系数(R),在非线性条件下实现了相关性测度与冗余性测度可比,由此提出了新的特征选择方法 m RMR-d Cor.3个醇酚类化合物毒性QSAR数据集的分析表明,基于m RMR-d Cor选择特征的支持向量回归(SVR)模型独立预测Q2分别为0.954、0.941、0.981,明显优于参比模型与文献报道,m RMR-d Cor选择的多数保留分子描述符得到文献报道支持.m RMR-d Cor在化合物QSAR、定量构质关系等研究中有广泛应用前景.     

取代芳烃对藻类毒性与结构参数之间的定量关系研究

采用OECD标准方法测定了40种取代芳烃化合物对绿藻的48h急性毒性,毒性最强的是邻二硝基苯,其lg1 EC50为5 04;毒性最弱的是苯酚,其lg1 EC50仅为2 46。计算得到所研究化合物的分子最低空轨道能((ELUMO))、分子最高占有轨道能((EHOMO))、范德华面积((sVdW))及分子量(Mw)。对化合物毒性和结构参数进行了定量的结构与活性关系(QSARs)研究。所研究化合物对绿藻的毒性主要分子的轨道能和空间参数有关。方程(lg1 EC50=-1 029(EHOMO)+0 025(sVdW)-8 322,R2(adj)=0 824)有很好的预测能力,训练组的平均相对误差为6 10%,测试组的平均误差为6 99%。苯酚和苯胺类化合物属于极性麻醉剂,其毒性与空间参数或疏水性有关;硝基苯类是反应型化合物,可作为亲电子试剂,产生相应的潜在毒性更强的亚硝基化合物,其毒性一般与分子轨道能有关。      

涂层自然环境试验模糊综合评价研究

使用模糊综合评价方法对防护涂层自然环境试验结果进行了评价。首先确定对象集、因素集、评语集,再建立其相互关系,通过计算得到加权型模糊综合评定集,将被评价事物的模糊指标定量化。该方法采用了专家咨询法、模糊数学计算方法,能避免或减少人为判断的不一致性,使材料或产品的环境适应性评价更科学、准确。     

间隔偏最小二乘-紫外光谱法海水硝酸盐最佳建模波长区间选取

利用紫外光谱结合偏最小二乘法（PLS）建立了海水硝酸盐浓度计算模型,并利用间隔偏最小二乘法（interval PLS,iPLS）对建模区间进行了优化。相比全波段建模,优化后模型校正集均方根误差（RMSECV）从39.1降低到9.83。同时利用35个预测集样本对iPLS优化模型进行验证,iPLS优化模型将预测样本平均相对偏差从3.23%降低到1.81%。研究结果表明,相比全波段建模,利用iPLS进行建模波长区间优化,不仅减少了自变量个数,简化了运算,同时提高了模型预测准确度。     

基团贡献法对取代苯类化合物生物降解性的预测

测定了 47种取代苯类化合物在松花江水中的 5日生化需氧量 (BOD5) .分别采用线性基团贡献法和非线性基团贡献法(人工神经网络法 )对化合物的生物降解性BOD5 ThOD(ThOD :理论需氧量 )进行QSBR研究 .得到不同基团对生物降解性的贡献为 :C6H5>COOH >OH >CH3 O CH3 >NH2 >Cl >NO2 .线性基团贡献法对于训练组和测试组的定性预测正确率分别为72 %和 86 % ;而人工神经网络法的预测正确率分别为 92 %和 86 % .预测结果表明线性和非线性基团贡献法的预测效果都很好 ,相比而言 ,非线性方法对生物降解性的预测更准确     

建筑垃圾堆放点样本集构建与优化研究

为更好地解决手工制作的建筑垃圾堆放点样本集效率低、数据量少,难以支撑基于深度学习的遥感图像目标检测算法训练需求的问题,采用基于像素的遥感分类方法构建建筑垃圾堆放点样本集,在此基础上结合直方图均衡化,CS-LBP算子约束以及迁移学习的方法对Wasserstein生成对抗模型（WGAN）进行优化,实现了样本集扩充。研究结果表明:相对于纯手工制作的样本集,基于像素的遥感分类方法可以显著提升样本集制作的效率;同时,经过WGAN优化后,生成样本模拟了原始数据的颜色与纹理特征分布规律,增加了原始数据的多样性,满足了扩充样本集的需求。     

QSBR study of substituted phenols and benzoic acids

The biodegradability of 30 substituted phenols and benzoic acids was determined by BOD technique.The molecular weight (MW), heat of formation(Hf)and the energy of the highest occupied molecular orbital(EHOMO)of the studied compounds were calculated by the quantum chemical method MOPAC6.0-AM1.The quantitative structure-biodegradability relationshiops(QSBRs)were developed by the linear regression method and neural network approach,respectively.It has been shown that the neural network method is able to provide a superior fit to the training set data and test set data and produce a lower prediction error than the linear regression method.     

基于模糊FMECA的制导弹药可靠性分析

目的解决在制导弹药系统可靠性分析过程中,评价指标具有模糊性和评价因素多的问题。方法提出了一种模糊综合评价法与故障模式、影响及危害度分析（FMECA）相结合的方法,通过建立因素集、备择集、利用层次分析法确定权重集、评价矩阵。结果对失效模式影响及严酷度分析中的定性评价指标进行定量化,找到了自动导引头的薄弱环节。结论该方法是科学、准确的,克服了难以给出有效准确分析结果的问题,为提高制导弹药可靠性提供了依据。     

空气中恶臭气体的官能测定研究

本文参照国外资料,结合国内的恶臭污染状况及实验条件,建立了以无臭气为参比的改进三点比较式臭袋法的官能实验方法.本法利用人的嗅觉功能对恶臭空气进行检测,所得结果具有可比性,是一种可靠的、简便的、易推广的方法.     

河流DO模型研究

本文对O’connor模型进行了三点改进.用实验结合计算的方法发展了Rinaldi法以确定模型参数,并用其建立了沱江DO模型,提出沱江DO模型参数流量-温度修正方程.     

典型环境条件下装备环境适应性的评估方法

系统分析了航空装备环境适应的特点及环境适应性要求的类型。在此基础上,根据装备的相关环境试验信息和外场环境故障信息,遵循确定模糊集隶属函数的原则,分别构建了描述装备对单因素环境适应性的隶属度。基于单因素评估结果,选择合适的确定权重的方法,确定模糊综合评判中各层次因素的权重。最后选择合适的合成算子采用模糊综合评估的方法分别提出了装备与下层产品的综合环境适应性评估方法。通过实例验证了模型的合理性和方法的可行性。     

基于机器视觉的填埋场防渗层破损识别方法

填埋场防渗层高密度聚乙烯（HDPE）膜在运营中极易破损,运用在线监测技术确定渗漏区域,将该区域膜上介质移除后,需对漏洞边缘进行精确识别,为实现智能焊接提供视觉基础。因此,提出一种基于机器视觉的填埋场防渗层破损识别方法。首先对样本集进行图像处理,包括图像灰度化、高斯滤波除噪、点运算增强、阈值法分割以及数学形态学处理;其次根据图像的形态特征提取连通域数量、破损面积、周长、长轴、短轴以及轴比,采用holdout方法将样本集划分为训练集与测试集,并将提取到的特征作为输入量,对SVM进行训练;最后采用多个SVM进行分类识别。经实验验证,分类器的总体识别准确率为98.33%,其中块状破损识别准确率为98.24%,缝式破损为98.42%。