多组件学习器实现有机分子沸点的精准预测

沸点(BP)是有机分子液体的基本物理化学量, 也是化学工业生产中的重要参数. 有机分子的沸点由分子结构决定, 呈现复杂的结构-沸点关系, 函数法(Function Method)、基团贡献法(Group Contribution Method)等传统方法无法应对复杂多样有机分子结构的预测, 应用范围狭窄, 预测精度低. 本研究中, 我们利用基于人工神经网络(ANN)和支持向量机(SVM)的多组件学习器实现有机分子沸点的精准预测. 我们构建了基于可解释性描述符的ANN、基于相关性描述符的ANN及基于复合分子指纹的SVM三个异质模型, 并通过包含4550个各种类别的有机分子沸点的数据集进行训练得到了三个异质性学习器, 最后集成三个学习器对有机分子沸点进行预测. 相比于传统方法和此前的定量结构性质关系(QSPR)模型, 多组件模型结合了三种模型的优点, 展现出很好的预测精度和泛化能力以及低的过拟合, 实现了对多种类型有机分子的沸点的有效预测.     

基于神经网络的核电厂设备易损性分析

核电结构的易损性分析是核电厂地震安全评估中至关重要的一环, 但是由于核电结构的复杂性以及考虑土?结相互作用SSI时较大的计算规模, 使得计算核电厂设备易损性曲线十分耗时. 为发展高效的核电厂设备易损性分析方法, 本文采用核电结构土?结相互作用分析的分区计算方法, 并利用有限的SSI分析结果建立神经元模型ANN代替有限元模型, 分别基于对数正态假定的回归法和蒙特卡洛法进行了设备易损性分析. ANN数值模拟包括了以下内容: (1)基于半偏相关系数选择最相关的地震动参数作为ANN输入, 并通过交叉检验建立神经元模型; (2)量化研究ANN数值模拟的预测不确定性, 其中包含了由于简化地震动输入引起的随机不确定性和训练样本缺失引起的认知不确定性; (3)基于ANN模型预测结果分别采用蒙特卡洛法和基于对数正态假定的回归法进行设备的易损性分析. 本文探讨了不同的地震强度指标以及土层材料的不确定性对易损性曲线的影响, 同时验证了回归法中对数正态模型假定的基本合理性, 为核电厂设备易损性分析提供了一种可能方向.      

人工神经网络法用于高效毛细管电泳分离条件优化的研究

把人工神经网络（ＡＮＮ）法应用于高效毛细管电泳（ＨＰＣＥ）分离条件的优化，给出了反向传播（ＢＰ）的ＡＮＮ模型的具体算法。用正交试验法同时考察了缓冲溶液组成、浓度、ｐＨ值和有机添加剂浓度等实验因素对ＨＰＣＥ分离合成色素和防腐剂的影响，采用误差反向传播方法建立了有效的ＡＮＮ预测模型，预测最佳分离条件，获得了满意的分离结果。     

科苑快讯

 美国将发射探测小行星的飞船据《科技日报》报道为了揭开小行星的奥秘,寻找对付可能撞击地球的小型天体的方法,美国航空航天局计划本月16日发射一艘名为“尼尔”的小型飞船,对“厄洛斯”小行星进行为期3年的探测。     

基于彩色扫描仪的图像光谱重构

针对彩色扫描仪的特点,采用主元分析法(PCA)和反向传播(BP)人工神经网络(ANN)相结合的方法对图像光谱重构进行研究。选择IT8.7/2标准色卡作为训练样本,将该色卡中的另一组色靶作为检验样本以讨论不同网络结构以及不同主元数和训练样本数对光谱重构的影响,再以自然色系统(NCS)色卡为检验样本来分析不同种类的训练和检验样本与光谱重构性能的关系。实验结果表明,采用3-14-6网络结构和6个主元数是最佳选择,训练样本和扫描目标之间的一致性是基于彩色扫描仪图像光谱重构的关键所在。     

Neural Computing in High Energy Physics

Artifical neural networks (ANN) are now widely used successfully as tools for hith energy physics.The paper covers two aspects.First,mapping ANNs onto the proposed ring and linear systolic array provides an efficient implementation of VLSI-based architectures since in this case all connections among processing elements are local and regular,Second.it is discussed algorthmic organizing of such structures on the base of modular algebra whose use can provide an essential increase of system throughput.     

GA-BP嵌套算法的理论及应用

分析了BP算法、遗传算法以及GA-BP-APARTING算法的特点,提出了GA-BP-NESTING算法.在人工神经网络的在线学习和离线学习方式下,分别对BP算法、GA算法、GA-BP-APARTING算法和GA-BP-NESTING算法进行了比较研究,研究发现:第一,网络初始权值的赋值对人工神经网络训练影响很大;第二,离线学习方式下GA-BP-NESTING算法效果最佳.     

一种新的拓扑指数用于手性化合物的构效关系研究

为了研究羟酸类和氨基酸类手性化合物的构效关系,本实验引进了手性乘积算法:P＝(1-b/a)(1-c/b)(1-a/c)(1-a/d),其中a、b、c和d分别为与分子中手性中心碳原子4个不同连接片断手性eAm指数和分子连接性指数mx的计算值,并考察了所得参数与羟酸类和氨基酸类化合物手性薄层色谱保留指数的相关性.为了评定所得预测模型的稳定性,文中运用了交叉验证法.结果表明,由人工神经网络方法(BP法)所得数学模型比较稳定,且明显优于多元回归分析结果.     

二次旋转设计和反向人工神经网络在铅、镉、汞、镍同时测定中的应用

利用二次通用旋转组合设计法建立了吸光度与显色剂，增敏剂用量及pH 值之间的数学模型，进而得出使吸光度最大的显色剂用量，增敏剂用量及PH值，在优化的基础上，用B－P人工地Pb,Cd,Hg,Ni同时测定的数据进行解析，并与经典最小二乘法进行了对比，结果较准确。     

三峡库区大石板滑坡区排水系统效果评估

结合三峡库区大石板滑坡工程实例 ,以连续 36天的降雨过程为条件 ,利用已有的地下水位观测资料 ,采用人工神经网络方法预测滑坡内地下水位在排水工程实施前后的变化 ,以此作为非饱和—饱和—非衡定地下渗流计算的特定水头边界。根据计算的地下水位进行滑坡稳定性分析 ,结合稳定分析成果对排水系统工程的效果进行评价。结果表明 ,地下排水工程的实施可较大幅度地提高滑坡的稳定性。