摘要
图表目录
1 绪论
1.1 研究背景
1.2 国内外研究进展
1.2.1 粘度预测方法的研究进展
1.2.2 热容预测方法的研究进展
1.2.3 热导率预测方法的研究进展
1.2.4 自燃点预测方法的研究进展
1.3 本文的主要研究内容
2 QSPR研究的基本理论
2.1 分子描述符
2.1.1 分子描述符种类
2.1.2 分子描述符的计算
2.2 训练集和测试集的划分
2.3 分子描述符的筛选与建模
2.3.1 分子描述符筛选方法
2.3.2 QSPR中的建模方法
2.4 模型的评价验证
2.5 模型应用域的评价与验证
2.6 小结
3 QSPR主要研究方法
3.1 ISODATA算法简介
3.1.1 ISODATA算法的基本原理
3.1.2 ISODATA算法的实现
3.2 蚁群算法的基本原理
3.2.1 蚁群算法的简介
3.2.2 目标函数的选择
3.2.3 蚁群算法的实现
3.3 遗传算法的基本原理
3.3.1 遗传算法简介
3.3.2 函数的选择
3.3.3 遗传算法的实现
3.4 支持向量机的基本原理
3.4.1 理论背景
3.4.2 支持向量机回归算法
3.4.3 参数优化
3.4.4 算法的实现
3.5 小结
4 有机物粘度的QSPR预测研究
4.1 引言
4.2 实验过程
4.2.1 样本说明
4.2.2 分子描述符的计算与预筛选
4.2.3 样本集的划分
4.2.4 分子描述符的筛选与建模
4.3 结果与讨论
4.3.1 GA-MLR粘度预测模型
4.3.2 GA-SVM粘度预测模型
4.3.3 ACO-MLR粘度预测模型
4.3.4 ACO-SVM粘度预测模型
4.3.5 模型性能及应用域评价
4.3.6 模型的比较
4.4 小结
5 有机物热容的QSPR预测研究
5.1 引言
5.2 实验过程
5.2.1 样本说明
5.2.2 分子描述符的计算与预筛选
5.2.3 样本集的划分
5.2.4 分子描述符的筛选与建模
5.3 结果与讨论
5.3.1 GA-MLR热容预测模型
5.3.2 GA-SVM热容预测模型
5.3.3 ACO-MLR热容预测模型
5.3.4 ACO-SVM热容预测模型
5.3.5 模型性能及应用域评价
5.3.6 模型的比较
5.4 小结
6 有机物热导率的QSPR预测研究
6.1 引言
6.2 实验过程
6.2.1 样本说明
6.2.2 分子描述符的计算与预筛选
6.2.3 样本集的划分
6.2.4 分子描述符的筛选与建模
6.3 结果与讨论
6.3.1 GA-MLR热导率预测模型
6.3.2 GA-SVM热导率预测模型
6.3.3 ACO-MLR热导率预测模型
6.3.4 ACO-SVM热导率预测模型
6.3.5 模型性能及应用域评价
6.3.6 模型的比较
6.4 小结
7 有机物自燃点的QSPR预测研究
7.1 引言
7.2 实验过程
7.2.1 样本说明
7.2.2 分子描述符的计算与预筛选
7.2.3 样本集的划分
7.2.4 分子描述符的筛选与建模
7.3 结果与讨论
7.3.1 GA-MLR自燃点预测模型
7.3.2 GA-SVM自燃点预测模型
7.3.3 ACO-MLR自燃点预测模型
7.3.4 ACO-SVM自燃点预测模型
7.3.5 模型性能及应用域评价
7.3.6 模型的比较
7.4 小结
8 结论
8.1 结论
8.2 创新点
8.3 展望
致谢
参考文献
附录A
攻读博士学位期间发表的论文情况
攻读博士学位期间参加的科学研究情况
附录C
南京理工大学;