基于PCA-BPNN对无机氢化物pKa的QSPR研究

摘要

采用Chemoffice10.0中的MOPAC/AM1半经验算法,计算13个无机氢化物的6种量子化学参数:偶极距(μ)、分子电子能(EE)、分子最高占据轨道能(Ehomo)、分子最低未占据轨道能(Elumo)、分子总能量(TE)和非氢原子的净电荷(q),利用SPSS19.0软件的主成分分析模块和BP神经网络模块对样本数据集进行预处理,将得到的样本数据集输入人工神经网络,构建无机氢化物pKa的主成分-反向传播神经网络(PCA-BPNN)QSPR模型.结果表明:利用SPSS19.0软件快速实现PCA-BPNN模型取得了非常满意的结果,而且模型的相关系数高,所得结果均优于传统的多元线性回归方法.