三维定量构效关系研究进展

三维定量构效关系 ( 3D -QSAR)研究是QSAR发展的前沿。笔者在对 3D -QSAR作简要介绍的基础上 ,通过归纳分析其与传统QSAR的区别 ,论述了 3D -QSAR在方法学和应用方面的最新进展 ,并展望了其在环境科学研究中的应用前景和发展方向。      

定量构效关系在环境化学中的应用

本文介绍近十年来国外文献中定量构效关系(QSAR)在环境化学中应用典型实例及作者的五个方面工作,旨在说明QSAR方法确是化学品安全评价的有用工具之一。文中探讨该方法应用的局限性及将来可能的进展。     

硝基苯类化合物的结构/毒性定量构效关系研究

为了定量结构／毒性相关性研究提取了拓扑指数Ａｍ，分子连接性指数＾ｍＸｔ量子化学参数及分子体积等，同时运用最佳变量子集算法（Ｌｅａｐｓ ａｎｄ Ｂｏｕｎｄｓ）进行了变量的压缩和选择，进而实施了多元间归分析，并由所得结果进行了硝基苯类化合物结构与毒性关系的理论解释，同时还进行了人工神经网络法对于该类化合物毒性的预测，其结果明显好于多元回归法。     

定量构效关系(QSAR)在环境化学中的进展与方法

定量构效关系(QSAR)是化学品安全评价中有用的工具之一。本文叙述它的应用背景、基本原理、学科历史进展、概念模型、数学模型和算法,着重介绍作者开发的实用量子化学计算程序包,用以产生分子结构参数,所建立的化学物质毒性数据库可用来获取大量生物活性数据,还可用模式识别程序包构筑构效定量关系。本文对其研究前景也作了叙述。     

酚醚的生物降解性构效关系研究

烷基酚聚氧乙烯醚类非离子表面活性剂分子中烷基带支链和苯环,从理论而言生物降解性较差,但由于生产成本低,化学稳定性优,仍大量用于纺织印染、乳液聚合等领域,使用后排入环境中,对环境、生物将造成不利影响。有鉴于此,对这些物质进行生态风险预测十分必要,其生物降解性能的研究具有重大意义。     

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.     

苯甲酸类化合物对发光菌的毒性及定量构效

测定了9种苯甲酸类化合物在pH=7时对发光菌的急性毒性(15min-EC50)。应用两种理化参数TSA和ELUMO对毒性数据进行了定量构效关系(QSARs)研究,并在此基础上初步探讨了苯甲酸类化合物的毒性机制。结果表明,苯甲酸类化合物对发光菌的毒性随取代基团的种类及取代位置不同而不同;苯甲酸类化合物对发光菌的致毒机制中可能有亲电作用发生,毒性可用TSA和ELUMO来联合描述。     

3,4-二氯苯胺与取代芳烃联合毒性的定量构效关系研究

采用细菌生长抑制实验测定了取代芳烃及其混合物对长江水中混合细菌的急性毒性,得到17种单一化合物的半数抑制浓度(IC50)及22组混合物的半数抑制浓度(IC50mix).采用毒性单位法和混合毒性指数法对联合毒性效应进行了定性评价,3,4-二氯苯胺与胺类化合物的联合效应以简单相加或部分相加作用为主,而3,4-二氯苯胺与酚类化合物的联合效应则多表现为协同作用.以化合物的辛醇/水分配系数(lgP)和分子最低空轨道能(ELUMO)为结构描述符,分别建立了单一毒性和联合毒性的定量构效关系(QSAR)模型.所得模型对极性麻醉型化合物和反应性化合物的毒性都具有较强的预测能力,不仅能预测3,4-二氯苯胺与取代芳烃不同配比的二元混合物的联合毒性,也能预测三元和四元混合物的联合毒性.     

PCDFs的Ah受体结合能力的定量结构效应关系

应用单苯环氯取代方法取G₁～G₁₀10个分子结构描述符,通过正向逐步线性回归方法构建对于Ah受体结合能力的定量结构-性质相关(QSAR)模型.与有关文献相比,此模型能更好地预测多氯代二苯并呋喃(PCDFs)竞争结合Ah受体logEC₅₀值,各自变量间不存在共线性.模型可以较好地反映PCDFs分子Ah受体结合能力与其分子氯取代位点之间的关系.     

硝基多环芳烃致突变性构效关系研究

应用逐步判别分析法，对８０种硝基多环芳烃致突变性构效关系进行了研究，７２个训练样本判别回代符合率为９０．２８％，８例预测样本正确分类率为１００％，累计正确分类率达９１．２５％。     

人工神经元网络对水处理系统建模适应性的研究

针对水处理系统的特点和研究中的难点，引入人工神经元网络的理论和思想，提出了水处理系统的神经网络分析方法．通过建立基于ＢＰ人工神经元网络的臭氧生物活性炭系统的模型，具体地考察了人工神经元网络对水处理系统建模的适应性，使水处理系统的研究迈向智能化和控制化．     

基于遗传算法与人工神经网络相结合的玉米估产研究

在遗传算法 (GeneticAlgorithm )与误差反传 (BackPropagation)网络结构模型相结合的基础上 ,设计了用遗传算法训练神经网络权重的新方法 ,并对吉林省梨树县的玉米进行了估产研究 ,同时与BP算法和灰色系统理论模型进行了比较。经检验 ,计算值与实际值接近 ,并优于灰色理论模型 ,具有良好的预测效果 ,从而为农作物估产提供了新方法     

大气污染物浓度的神经网络预报

首次将神经网络应用于实测大气污染物浓度的预报.结果表明,预报值与观测值符合得较好.由于人工神经网络具有逼近精度高、学习速度快、对资料长度要求不高等优点,因而在非线性时间序列的预报中显示出了独特的优越性,并将会在大气环境和气候预报中得到越来越多的应用.     

Roadside vehicle particulate matter concentration estimation using artificial neural network model in Addis Ababa, Ethiopia

Currently, vehicle-related particulate matter is the main determinant air pollution in the urban environment. This study was designed to investigate the level of fine (PM_2.5) and coarse particle (PM₁₀) concentration of roadside vehicles in Addis Ababa, the capital city of Ethiopia using artificial neural network model. To train, test and validate the model, the traffic volume, weather data and particulate matter concentrations were collected from 15 different sites in the city. The experimental results showed that the city average 24-hr PM_2.5 concentration is 13%–144% and 58%–241% higher than air quality index (AQI) and world health organization (WHO) standards, respectively. The PM₁₀ results also exceeded the AQI (54%–65%) and WHO (8%–395%) standards. The model runs using the Levenberg-Marquardt (Trainlm) and the Scaled Conjugate Gradient (Trainscg) and comparison were performed, to identify the minimum fractional error between the observed and the predicted value. The two models were determined using the correlation coefficient and other statistical parameters. The Trainscg model, the average concentration of PM_2.5 and PM₁₀ exhaust emission correlation coefficient were predicted to be (R² = 0.775) and (R² = 0.92), respectively. The Trainlm model has also well predicted the exhaust emission of PM_2.5 (R² = 0.943) and PM₁₀ (R² = 0.959). The overall results showed that a better correlation coefficient obtained in the Trainlm model, could be considered as optional methods to predict transport-related particulate matter concentration emission using traffic volume and weather data for Ethiopia cities and other countries that have similar geographical and development settings.     

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.     

利用人工神经网络对空气中O3浓度进行预测

将人工神经网络应用于对空气中O3的浓度预测,提出了完整的预测模型,选取风速、风向、相对湿度、云量、平均气温、最高气温等6项气象因子作为输入量,经过两个月的预测实验,结果表明,实测值与预测值的平均相对误差为21.49%,相关系数为0.837.表明人工神经网络对O3的浓度预测是一种有效的工具.     

海水水质评价的人工神经网络模型研究

通过在各类海水水质污染指标浓度区间内生成随机分布样本的方法，生成足够多用于人工神经网络模型训练和检验用的样本，并应用基于误差反传原理的前向多层神经网络建立了用于海水水质评价的人工神经网络模型。并根据海水水质标准给出了区分不同类型水质的模型分界样本和模型输出分界值。讨论了确定合理隐层及其节点数的方法，使得训练后的神经网络模型具有更强的泛化能力，不受网络连接权值初始取值的影响。经训练的评价模型应用于实例的评价结果表明，新的评价模型具有较好的客观性、通用性和实用性。     

基于ANN 的SBBR 短程硝化过程仿真研究

利用人工神经网络对实验室中短程硝化过程进行仿真模拟,采用误差反向传播算法,并结合自适应学习率,在MATLAB 语言环境下建立了进水NH₄⁺-N﹑DO﹑温度以及外加碳源与出水NH₄⁺-N 和NO^2--N 之间的非线性映射函数关系,确立了相关的动态模型.结合最优化网络模型运行参数,对样本进行仿真学习,仿真输出值与实际值的拟合程度相当高,最大误差仅13.8955%.通过权重分析,探究了各输入因素与输出结果之间的价值贡献关系,进水NH₄⁺-N 和温度对短程硝化过程表现出较大的影响.     

Integration of artificial neural network and MADA methods for green supplier selection

In recent years, with the raising of awareness in environmental protection and sustainable development in enterprises, the green issue has become more and more critical in supply chain management. This study intends to develop a green supplier selection model which integrates artificial neural network (ANN) and two multi-attribute decision analysis (MADA) methods: data envelopment analysis (DEA) and analytic network process (ANP). It is called ANN–MADA hybrid method. ANN–MADA hybrid method considers both practicality in traditional supplier selection criteria and environmental regulations. It also overcomes traditional DEA drawbacks, limitations of data accuracy and decision-making units (DMUs) amounts constraint. The model evaluation results of an international well-known camera manufacturer indicate that the ANN–MADA hybrid method outperforms two other hybrid methods, ANN–DEA and ANP–DEA. It was also discovered that ANN–MADA has better power of discrimination and noise-insensitivity in evaluating green suppliers’ performances.     

BOD-DO耦合人工神经网络水质模拟的研究

将人工神经网络的理论和方法引入河流水质模型的建筑中，提出了BOD－DO耦合BP人工神经网络水质模型，应用长江干流重庆段的实测水质样本对模型进行训练与 检验表明：该模型用于水质模拟可行且精度较高，为河流水质模拟开辟了一条简便可行的新途径。