| 氯代芳香族化合物结构电化学还原电位定量关系的贝叶斯规整化BP神经网络模型 |
| |
| 引用本文： | 孙伟,曾光明,魏万之,黄国和.氯代芳香族化合物结构电化学还原电位定量关系的贝叶斯规整化BP神经网络模型[J].环境科学,2005,26(2):21-27. |
| |
| 作者姓名： | 孙伟 曾光明 魏万之 黄国和 |
| |
| 作者单位： | 1. 湖南大学环境科学与工程系,长沙,410082
2. 湖南大学化学化工学院,长沙,410082 |
| |
| 基金项目： | 国家自然科学基金资助项目(20077006,50179011,70171055);国家杰出青年科学基金项目(50225926);教育部高等学校优秀青年教师教学科研奖励计划资助项目;国家高技术研究发展计划(863)项目(2001A644020) |
| |
| 摘 要： | 将贝叶斯规整化误差反向传播神经网络(BRBPNN)应用于环境领域的 QSPR模型.采用ChemOffice2004内置的MOPAC 2000计算了6种量子化学参数(分子最高占据能EHOMO、分子最低占据能ELUMO、分子生成热HF、分子偶极矩DIP、分子的电子能量EE和分子的核核排斥能CCR)以及氯原子数(Cl)和分子量(MW),建立了87种氯代芳香族化合物结构与电化学还原电位定量关系的BRBPNN模型.最优网络模型结构为6-20-1,其电化学还原电位的拟合及预测能力明显优于逐步线性回归模型,其训练集和预测集的相关系数平方和均方根误差(MSE)分别达到0.999和0.000105,0.965和 0.00159.最优模型输入节点到隐含层权重平方和的分布规律揭示出各种描述符对还原电位的影响大小依次为: ELUMO>EHOMO>HF>CCR>EE>DIP.由散点图揭示出影响为正有EE;影响为负有ELUMO,HF,DIP;影响无明显正负性的有ELUMO,CCR.结果表明,贝叶斯规整化大大方便了网络规整化参数选择,保证了网络的优良概括能力和稳健性.本研究对氯代芳香族化合物采用电化学处理的适用性以及分析相应电化学降解机理提供了依据.
|
| 关 键 词： | 氯代芳香族化合物 QSPR 还原电位 贝叶斯规整化神经网络 权重平方和 |
| 文章编号： | 0250-3301(2005)02-0021-07 |
| 收稿时间： | 2004/4/23 0:00:00 |
| 修稿时间： | 2004/8/10 0:00:00 |
Bayesian Regularized BP Neural Network Model for Quantitative Relationship Between the Electrochemical Reduction Potential and Molecular Structures of Chlorinated Aromatic Compounds |
| |
| SUN Wei,ZENG Guang-ming,WEI Wan-zhi and HUANG Guo-he.Bayesian Regularized BP Neural Network Model for Quantitative Relationship Between the Electrochemical Reduction Potential and Molecular Structures of Chlorinated Aromatic Compounds[J].Chinese Journal of Environmental Science,2005,26(2):21-27. |
| |
| Authors: | SUN Wei ZENG Guang-ming WEI Wan-zhi and HUANG Guo-he |
| |
| Institution: | Department of Environmental Science & Engineering, Hunan University, Changsha 410082, China. |
| |
| Abstract: | |
| |
| Keywords: | chlorinated aromatic compounds QSPR electric potential Bayesian regularized neural model sum of square weights |
| 本文献已被 CNKI 万方数据 PubMed 等数据库收录！ |
| 点击此处可从《环境科学》浏览原始摘要信息 |
| 点击此处可从《环境科学》下载免费的PDF全文 |
