江苏省普通高校研究生科研创新计划项目(CX07B150z)
- 作品数：3 被引量：27H指数：3
- 相关作者：曹洪印潘勇蒋军成王睿崔毅更多>>
- 相关机构：南京工业大学更多>>
- 发文基金：教育部“新世纪优秀人才支持计划”江苏省普通高校研究生科研创新计划项目国家教育部博士点基金更多>>
- 相关领域：环境科学与工程理学化学工程更多>>
- 羧酸及其衍生物急性毒性的QSAR研究被引量：11
- 2010年
- 基于定量结构-活性相关性(QSAR)原理,研究了27种羧酸及其衍生化合物结构与其急性毒性LC50之间的内在定量关系。应用遗传算法从大量结构参数中优化筛选出与LC50最为密切相关的五个参数作为分子描述符,得出影响羧酸及其衍生物急性毒性的主要结构特征为分子的大小及其空间效应等。分别采用支持向量机(SVM)方法和多元线性回归(MLR)方法建立了相应的QSAR预测模型,并对所建模型分别进行了内部验证和外部验证。结果表明,两种模型均具有较高的稳定性、预测能力及泛化性能。其中,支持向量机模型对训练集和预测集样本的预测平均绝对误差分别为0.149和0.211,优于多元线性回归方法所得结果。
- 崔毅蒋军成潘勇曹洪印王睿
- 关键词：定量结构-活性相关遗传算法支持向量机LC50
- 基于支持向量机方法的烃类物质自燃点预测被引量：10
- 2009年
- 基于定量结构-性质相关性(QSPR)原理,研究了烃类物质自燃点与其分子结构间的内在定量关系;采用新近提出的支持向量机方法对90种烃类物质的自燃点进行了研究,建立了根据分子结构预测烃类物质自燃点的数学模型;分别采用内部验证及外部验证的方式对模型性能进行了验证。结果表明,自燃点预测值与实验值符合良好,平均绝对误差为21.0℃,均方根误差为27.21,优于多元线性回归和人工神经网络方法所得结果。本方法的提出为工程上提供了一种预测烃类物质自燃点的新的有效方法。
- 潘勇蒋军成曹洪印王睿
- 关键词：支持向量机烃类
- 基于神经网络的定量结构-性质相关性研究预测有机物燃烧特性被引量：6
- 2008年
- 介绍了神经网络及定量结构-性质相关性(QSPR)研究基本原理,综述了两者相结合在闪点、自燃点、爆炸极限等化学物质燃烧特性预测中的应用和进展。分别对各性质不同预测模型的优缺点及适用范围进行了评述。在此基础上对神经网络与线性回归方法的比较、神经网络技术的发展等进行了探讨,对实验样本设计、分子描述符选择及模型验证等的研究现状和发展趋势进行了讨论。展望了QSPR在安全研究领域的应用前景。
- 潘勇蒋军成曹洪印王睿
- 关键词：定量结构-性质相关神经网络燃烧特性
