导读:本文包含了定量结构性质论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:定量,结构,关系,性质,烷烃,神经网络,线性。
定量结构性质论文文献综述
王彦昭,王媛,刘焕焕,雷斌,焦龙[1]（2019）在《重质油黏度的定量结构-性质关系研究》一文中研究指出研究了重质油黏度的定量结构-性质关系。将量子化学参数和拓扑指数相结合作为结构描述符,分别用多元线性回归(MLR)和人工神经网络(ANN)建立了结构描述符和黏度之间的校正模型。用留一交叉验证法,验证、评价所建立的MLR和ANN模型的预测能力。对于MLR模型,验证的均方根相对误差为7.77,对于ANN模型,验证的均方根相对误差为7.21,说明建立的MLR和ANN模型都可用于预测重质油的黏度,但ANN模型优于MLR模型。(本文来源于《化工技术与开发》期刊2019年01期）
胡世卓,周文俊,喻剑辉[2]（2018）在《定量结构-性质关系模型在SF_6替代气体研究中的应用》一文中研究指出在理论上有针对性地筛选、设计可替代SF_6的环保型绝缘气体,可推动SF_6替代气体研究进程,并从微观层面理解SF_6分子结构参数与其绝缘性能之间的关系。为此,介绍了具备定量预测能力的定量构效关系模型中的定量结构-性质关系(quantitative structure-property relationship,QSPR)模型,关注QSPR模型对SF_6潜在替代气体的绝缘强度、沸点等电气性质或物化性质的预测。研究了模型的基本参数、构建准则、主要方法和步骤,提出QSPR模型现存的试验数据不健全、分子结构参数指向性差和缺乏有效定义域方法等问题,并讨论其在SF_6替代气体研究领域的应用前景与发展方向。(本文来源于《广东电力》期刊2018年08期）
秦玉翠[3]（2018）在《基于人工神经网络的有机混合物定量结构性质关系研究》一文中研究指出合适的定量结构性质关系(quantitative structure-property relationship,QSPR)模型可以准确的模拟分子结构与化合物性质间的关系。现实中,通过实验测量的混合物的性质准确度不高且步骤复杂、费时。由此,借助QSPR的方法建立了混合物性质与其分子结构间的模型,定量的描述了两者间的关系,弥补了实验的不足。具体研究内容有:第一章主要介绍了QSPR的研究方法及步骤,并对QSPR在有机混合物性质预测中的研究进展进行了综述。第二章基于QSPR研究的基本原理及步骤,分别用多元线性回归(multiple linear regression,MLR)和多层感知器人工神经网络(multilayer perceptron artificial neural network,MLP-ANN)建立烃类物质密度和辛烷值的QSPR模型,并使用留一交叉验证(leave one out cross validation,LOO-CV)和外部测试集验证的方法评估了两种模型的预测性能及稳健性,结果显示MLR和ANN模型都可用于预测烷烃的密度和辛烷值,但ANN模型优于MLR模型,更适用于预测烷烃的密度和辛烷值。第叁章运用MLR、逐步回归和径向基函数人工神经网络(radial basis function,RBF)ANN的方法建立了4个预测288种二元有机混合物闪点的模型。用外部测试集验证和k折交叉验证对所有模型进行了评价,结果说明所建立4个模型都可用于这些混合物样品的闪点值预测。其中经逐步回归筛选出5个与闪点实验值显着相关的描述符,以这5个描述符作为输入变量的RBF-ANN模型预测准确度最高。第四章经逐步回归筛选出与毒性显着相关的分子结构描述符,通过MLR和MLP-ANN两种方法,分别建立了106种苯及其衍生物组成的混合物联合毒性的QSPR模型。用外部测试集验证和LOO-CV对模型进行了评价,预测结果表明:与建立的MLR模型相比,人工神经网络方法所建立的模型稳健,泛化能力强,预测误差小,预测的效果令人满意,可以用于苯及其衍生物的混合物毒性的预测。第五章经逐步回归筛选出与毒性显着相关的分子结构描述符,通过MLR和RBF-ANN两种方法,分别建立了由12种全氟氧酸以不同配比组成的23种混合物联合毒性的QSPR模型。用外部测试集验证和LOO-CV对模型进行了评价,结果表明:MLR和ANN都是可行的,人工神经网络方法所建立的模型误差更小,准确度更高。(本文来源于《西安石油大学》期刊2018-06-18）
于海[4]（2018）在《定量结构-性质关系模型预测超临界CO_2中植物油溶解度研究》一文中研究指出超临界流体萃取技术作为一种高效、绿色的工艺技术已经广泛地应用于天然产物的提取分离。超临界CO_2具有无毒无害,不易燃和廉价易获得,以及使用后不会存在于目标物质中,免除了除杂过程等优点,对于食用植物油类脂溶性天然产物提取分离更具优势。以甘油叁酯为最主要组成的植物油在超临界CO_2中的溶解度无论对于其相平衡的基础研究亦或是对于萃取分离过程的工艺研究及产业生产设备制造及设计都是一个非常关键的物理化学参数,但由于在超临界CO_2状态下,通过实验测定溶解度有一定难度、耗时及误差较大,所以进行状态方程(Equation of State,EOS)、半经验方程以及基于量子化学、计量化学结合计算机科学的理论模型对甘油叁酯和植物油在超临界CO_2中溶解度进行计算预测的研究一直是相关研究的难点和热点。本研究通过选取已有文献报道中的超临界CO_2中甘油叁酯溶解度数据,结合了计算机科学中的定量结构-性质关系(Quantitative Structure-Property Relationship,QSPR)建立了一种新的超临界CO_2中甘油叁酯溶解度的计算预测模型。然后,通过简化植物油中甘油叁酯组成结合建立的QSPR模型对超临界CO_2中大豆油、葵花籽油、菜籽油和绿咖啡豆油四种植物油的溶解度进行了计算预测。除此之外,对大豆油在超临界CO_2中的溶解度进行静-动态萃取实验测定,并与模型预测值及文献实验值进行了比较,主要研究内容及得到结论如下:1.综述了前人理论、半经验模型以及目前较新的神经网络模型预测溶质在超临界CO_2中溶解度的文献,介绍了它们的优点以及存在的一些不足,并且指出支持向量机模型是一种更好的预测溶质在超临界CO_2中溶解度的模型。2.通过收集文献中纯甘油叁酯(纯度大于99%)的溶解度数据,建立了一个基于遗传算法(Genetic Algorithm,GA)优化的支持向量机(Support Vector Machine,SVM)模型预测纯甘油叁酯在超临界CO_2中溶解度的新模型,结果表明:训练集和测试集拟合的相关系数(R)分别为0.986和0.982,并且相应的均方根差(Root Mean Standard Error,RMSE)是14.10%和19.30%;并且删掉异常点后,训练集和测试集的R值分别提高为0.992和0.984,对应的RMSE分别降低为10.70%和11.70%。另外,内部验证和外部验证以及敏感性分析分别从模型的稳定性和变量对溶解度的影响两方面来说明该模型用于预测甘油叁酯在超临界CO_2中的溶解度是适合的。3.应用近似二元体系法和甘油叁酯组成细化法两种方法分别将植物油简化为可以用GA-SVM模型预测的纯甘油叁酯结构和具体的甘油叁酯结构,从而将预测复杂植物油溶解度问题转化为预测纯甘油叁酯溶解度的问题上来。用上述新建立的模型结合植物油组成简化方法对大豆油、葵花籽油、菜籽油、和绿咖啡豆油四种植物油的溶解度进行计算预测,并与文献中植物油溶解度数据进行比较。结果表明:在所有预测的植物油中,甘油叁酯组成细化法预测溶解度的(Average Absolute Relative Deviations,AARD)始终低于近似二元体系法。而且在温度低于60℃,压力低于60MPa时,甘油叁酯组成细化法对植物油在超临界CO_2中的溶解度预测较为为准确,预测的AARD在30%左右,小于文献中提出的40%的预测偏差。4.用静-动态超临界CO_2萃取实验法测定了40℃-80℃,20-60MPa的大豆油在超临界CO_2中的溶解度,并和文献实验值及本研究模型预测值进行了比较。结果表明:实验测得的溶解度普遍高于文献实验值,而且模型法预测文献实验值和模型法预测本文实验测定的溶解度值的AARD分别为33.41%和40.15%,基本满足文献中合理误差范围40%。进一步说明本文的方法用来预测植物油的溶解度是可行的。(本文来源于《贵州大学》期刊2018-06-01）
蔡广庆,张霖宙[5]（2018）在《烃类液体黏度的定量结构性质预测模型》一文中研究指出开发了结构性质关联模型(QSPR),实现了基于烃类化合物的结构特征预测黏温特性的功能。搜集了254种烃类化合物不同温度下的黏度数据,选择改进的Andrade方程来描述烃类化合物的黏温特性曲线,并通过对实验数据进行回归,获得了化合物的Andrade方程参数B和T_0。在此基础上,采用分子质量和15个基团作为分子的结构特征参数,建立神经网络模型预测Andrade模型参数B和T_0,平均相对误差分别为3.59%和1.27%。通过所预测的Andrade模型参数计算化合物的黏温性能,预测值与实验数据相比绝对平均误差为0.42 m Pa·s。(本文来源于《现代化工》期刊2018年07期）
秦玉翠,王彦昭,王媛,刘焕焕,焦龙[6]（2018）在《烷烃生成焓的定量结构性质关系研究》一文中研究指出研究了烷烃生成焓的定量结构-性质关系。以量子化学参数和拓扑指数综合起来作为结构描述符,通过逐步回归方法建立了结构描述符和生成焓之间的校正模型。用留一交叉验证和外部测试集验证评价所建立模型的预测能力。对于所建立的模型,这两种验证的均方根相对误差分别为2.33和3.49。这说明建立的模型具有很好的统计意义和较高的预测能力,可用于预测烷烃的生成焓。(本文来源于《广州化工》期刊2018年02期）
渠艳飞,马邕文,万金泉,王艳[7]（2017）在《邻苯二甲酸酯的正辛醇/水分配系数定量结构-性质关系》一文中研究指出有机污染物的环境归趋主要由其分配性质决定,如正辛醇/水分配系数(K_(OW)).本文采用密度泛函理论,在B3LYP/6-311G~(**)的水平上对PAEs的结构进行优化振动分析,Gaussian输出的15种量子化学参数被用来对该类物质正辛醇/水分配系数(K_(OW))进行定量结构-性质关系(QSPR)研究.采用一种顺序方法:相关分析、主成分分析、多元线性回归和统计验证,建立了QSPR模型.结果表明,单个描述符(平均极化率α)在确定K_(OW)中起重要作用,显式函数关系式为lg K_(OW)=-3.468+0.041α,lg K_(OW)的值随着α的增大而线性增大.模型具有良好的拟合能力(R~2=0.99,RMSE=0.33)、稳健性(Q~2_(LOO)=0.97,Q~2_(BOOT)=0.98)和预测能力(Q~2_(ext)=0.98),可利用该模型对其他PAEs分子的lg K_(OW)进行预测.(本文来源于《环境化学》期刊2017年11期）
秦玉翠,郭康,尚帆帆,马涛,焦龙[8]（2017）在《基于电性拓扑状态指数的烷烃密度定量结构-性质关系研究》一文中研究指出研究了烷烃密度的定量结构-性质关系。以电性拓扑状态指数为结构描述符,分别用多元线性回归(MLR)和人工神经网络(ANN)建立了结构描述符和密度之间的校正模型。用留一交叉验证和外部测试集验证评价所建立MLR和ANN模型的预测能力。对于MLR模型,这两种验证的均方根相对误差分别为3.37和1.92。对于ANN模型,这两种验证的均方根相对误差为1.06和1.34。这说明建立的MLR和ANN模型都可用于预测烷烃的密度,但ANN模型优于MLR模型。(本文来源于《广东化工》期刊2017年12期）
宋静,刘建芳[9]（2017）在《线性溶剂化能量关系方程在定量结构-保留与定量结构-性质关系研究中的应用》一文中研究指出线性溶剂化能量关系方程是定量结构-保留与定量结构-性质关系研究的重要工具,是将分子间各种作用力对溶质分配的贡献进行线性回归,建立分子描述符和化合物的保留因子及性质参数间的多元线性方程,用于解释溶质在两相中的分配机制。该模型已在多种分配系统中得到应用,包括各种色谱体系和体内生物分配系统,可以解释色谱体系中影响溶质保留的因素,预测化合物性质等。本文对近5年以来线性溶剂化能量关系方程在定量结构-保留与定量结构-性质关系中的应用进行总结、归纳,为更好地应用该模型进行药物保留与性质参数的预测和药物筛选提供新思路。(本文来源于《解放军药学学报》期刊2017年03期）
方龙伟[10]（2017）在《微晶纤维素单颗粒定量结构及其对片剂崩解性质的作用》一文中研究指出药用辅料的粉体性质影响着制剂产品的质量。不同厂家和型号的辅料粉体颗粒在微观3D (Three Dimension)结构上存在较大差异,而辅料的内在差别直接体现在辅料单颗粒的粉体性质上,并影响着辅料的压片特性。在制剂过程中,辅料的粉体结构影响着制剂的结构;制剂结构影响药物的崩解行为、释放特征、释药机理,甚至影响药物疗效的发挥。本论文以国内外主要生产厂家的药用辅料微晶纤维素(Microcrystalline Cellulose,MCC)为研究对象,应用先进的高分辨同步辐射X射线显微断层扫描(Synchrotron Radiation X-ray micro Computed Tomography, SR-μCT)技术,获得丰富的颗粒精细结构参数,结合主成分分析(PrincipalComponents Analysis, PCA)和偏最小二乘判别分析(Partia l Least Squares Discriminant Analysis, PLSDA)方法,将 MCC 单颗粒的结构特征、空腔差异、粉体性质及制剂行为进行关联,定量研究颗粒的微结构和辅料性质的关联性;通过MCC单颗粒的分类研究,判断不同生产厂家、不同规格产品的差异。将MCC压片,分析片剂的2D孔隙结构和ROI (Region Of Interest)区域的3D孔隙结构,考察片剂形态学的崩解行为,发现其主要的崩解模式为腰裂型和分裂型。对MCC单颗粒与片剂结构参数关联分析,得到单颗粒结构与片剂结构的关系,及颗粒结构对辅料粉体性质、压片行为和崩解行为的影响。主要研究如下:(I)微晶纤维素的单颗粒定量结构研究利用SR-μCT对MCC单颗粒结构进行表征,结合PCA和PLSDA方法,关联不同厂家、不同型号的MCC单颗粒的结构差异和粉体、制剂的性质。通过测定MCC粉体的休止角、堆密度、振实密度和压缩特性等粉体性质,测定MCC片剂的抗张强度、崩解时间、川北方程和片剂径向压力-位移分布等特性,基于2D切片、3D重构图形处理与PCA-PLSDA方法,将MCC颗粒按结构进行分类,并关联结构与性质的关系。结果表明,MCC102产品间在抗张强度、崩解时间、川北方程和片剂径向压力-位移分布方面显着不同;盒比值和Feret比值等不规则结构参数对主成分分类的影响较大;休止角、堆密度和振实密度对主成分分类影响较小。MCC的结构差异和空腔差异研究证实了不同厂家的MCC样品在单颗粒水平上具有形态学的多样性,进而导致MCC粉末性质和压片性能的差异。(2)微晶纤维素的片剂结构和崩解行为模式研究SR-μCT扫描分析12种不同型号的MCC片剂,对片剂内部孔隙结构特征进行多变量、多维度分析,考察MCC片在静态介质中的形态学崩解模式,结合崩解时间测定,得出其典型崩解模式的结构基础。应用相应数据图形处理技术,对不同MCC片进行2D结构的轴向、径向分析和ROI微区域的3D孔隙结构分析,结合PCA和PLSDA,综合分析得出2种典型的形态学崩解模式:腰裂型和分裂型。最后在3D水平上对MCC单颗粒的结构参数与MCC片的结构参数进行关联分析,得出单颗粒形态结构决定片剂结构特征,并对MCC的粉体性质、对MCC片的压片行为和崩解性质有显着影响。综上,本文通过对MCC单颗粒结构的定量研究,首次在单颗粒水平上对MCC颗粒结构进行量化分析,关联颗粒的结构差异、粉体性质和制剂性质;在制剂水平上,研究了 MCC压片的片剂内部孔隙结构特征,并对其形态学的崩解模式进行关联分析,分析了腰裂和分裂等2种不同于机制型的经典形态学崩解模式。在3D水平上对单颗粒与制剂结构参数间的趋势分析,表明单颗粒形态结构与片剂结构存在着定量的关系,颗粒结构对辅料粉体性质、压片行为和崩解行为存在重要影响。(本文来源于《上海应用技术大学》期刊2017-05-25）
定量结构性质论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在理论上有针对性地筛选、设计可替代SF_6的环保型绝缘气体,可推动SF_6替代气体研究进程,并从微观层面理解SF_6分子结构参数与其绝缘性能之间的关系。为此,介绍了具备定量预测能力的定量构效关系模型中的定量结构-性质关系(quantitative structure-property relationship,QSPR)模型,关注QSPR模型对SF_6潜在替代气体的绝缘强度、沸点等电气性质或物化性质的预测。研究了模型的基本参数、构建准则、主要方法和步骤,提出QSPR模型现存的试验数据不健全、分子结构参数指向性差和缺乏有效定义域方法等问题,并讨论其在SF_6替代气体研究领域的应用前景与发展方向。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
定量结构性质论文参考文献
[1].王彦昭,王媛,刘焕焕,雷斌,焦龙.重质油黏度的定量结构-性质关系研究[J].化工技术与开发.2019
[2].胡世卓,周文俊,喻剑辉.定量结构-性质关系模型在SF_6替代气体研究中的应用[J].广东电力.2018
[3].秦玉翠.基于人工神经网络的有机混合物定量结构性质关系研究[D].西安石油大学.2018
[4].于海.定量结构-性质关系模型预测超临界CO_2中植物油溶解度研究[D].贵州大学.2018
[5].蔡广庆,张霖宙.烃类液体黏度的定量结构性质预测模型[J].现代化工.2018
[6].秦玉翠,王彦昭,王媛,刘焕焕,焦龙.烷烃生成焓的定量结构性质关系研究[J].广州化工.2018
[7].渠艳飞,马邕文,万金泉,王艳.邻苯二甲酸酯的正辛醇/水分配系数定量结构-性质关系[J].环境化学.2017
[8].秦玉翠,郭康,尚帆帆,马涛,焦龙.基于电性拓扑状态指数的烷烃密度定量结构-性质关系研究[J].广东化工.2017
[9].宋静,刘建芳.线性溶剂化能量关系方程在定量结构-保留与定量结构-性质关系研究中的应用[J].解放军药学学报.2017
[10].方龙伟.微晶纤维素单颗粒定量结构及其对片剂崩解性质的作用[D].上海应用技术大学.2017
论文知识图
