基于BP人工神经网络的有机化合物爆炸下限预测

摘要

运用定量结构-性质关系对458种有机化合物的爆炸下限展开预测研究。首先运用Dragon 2.1软件计算并预筛出708种分子描述符,随后采用遗传算法确定了5个特征分子描述符作为模型的输入变量,最后运用SPSS和MATLAB分别构建了多元线性回归线性模型、支持向量机与人工神经网络两种非线性模型。研究结果为:MLR模型的训练集和测试集的复相关系数R2分别为0.8387和0.8588;SVM模型的R^(2)分别为0.8569和0.8779;ANN模型的R2分别为0.9284和0.9328。由此表明,无论是训练集还是测试集,SVM模型的预测效果均优于MLR模型,ANN模型的预测效果均优于SVM模型,有机化合物的爆炸下限与其分子结构之间存在着较强的非线性关系。此外,本研究采用内外验证方法及与其他研究的比较对模型性能进行了验证,证实了ANN模型对爆炸下限具有较好的预测能力。通过绘制Wiliams图分析了模型的应用域,验证了所建模型均具有良好的泛化能力和鲁棒性。通过QSPR方法预测有机化合物的爆炸下限,能为危险化学品的风险管控及安全工艺的研究提供有力的理论和技术支持。