阴离子表面活性剂的临界胶束浓度的支持向量回归研究

摘要

应用支持向量回归（Support vector regression,SVR）方法,结合粒子群参数寻优（Particle swarm optimization,PSO）技术,对分子结构参数与分子性能之间的关系进行研究来预测阴离子表面活性剂的临界胶束浓度。并与基于人工神经网络模型的预测结果进行了比较.结果表明:对于相同的训练样本和检验样本,支持向量回归比BPNN模型有更高的预测精度。