| 基于电性距离矢量研究多氯联苯生物降解速率常数 |
| |
| 引用本文： | 冯长君,杨杰元,杨雪颖,杨沛艳,冯惠.基于电性距离矢量研究多氯联苯生物降解速率常数[J].化学通报,2022,85(10):1249-1254. |
| |
| 作者姓名： | 冯长君 杨杰元 杨雪颖 杨沛艳 冯惠 |
| |
| 作者单位： | 徐州工程学院化学化工学院,徐州工程学院化学化工学院,徐州工程学院化学化工学院,徐州工程学院化学化工学院,徐州工程学院化学化工学院 |
| |
| 基金项目： | 国家自然科学基金项目(21075138)、结构化学国家重点实验室开放基金项目(2016003)、江苏省大学生创新创业训练项目(xcx2020143)和徐州工程学院大学生创新创业训练项目(2019013)资助 |
| |
| 摘 要： | 通过多元线性回归和人工神经网络方法建立66种多氯联苯生物降解速率常数(K1)的定量构效关系(QSAR). 基于电性距离矢量(Mk)，建立了lnK1的最佳三参数(M91、M25和M15)线性模型，其传统相关系数(R2)、交叉验证系数(Rcv2)分别为0.833、0.809。经R2、Rcv2、VIF、FIT、AIC检验，所建模型具有较强的稳定性和良好的预测能力. 将M91、M25、M15作为人工神经网络的输入层结点，采用3:10:1的网络结构，利用BP算法获得了一个令人满意的lnK1模型，训练集、验证集、测试集和总体的R2依次为0.991、0.995、0.997和 0.993。与多元线性回归模型相比，非线性lnK1-BP模型具有更好的预测能力。这两种回归方法相辅相成，线性回归方法为神经网络模型提供了具体的物理解释，而神经网络方法为线性模型提供了更准确的预测结果。
|
| 关 键 词： | 多氯联苯 生物降解速率常数 电性距离矢量 人工神经网络 定量结构-生物降解性关系 |
| 收稿时间： | 2022/1/3 0:00:00 |
| 修稿时间： | 2022/3/31 0:00:00 |
Study on the biodegradation rate constants of polychlorinated biphenyl compounds based on electronegativity distance vector |
| |
| FENG Chang-jun,yang jieyuan,yang xueying,yang peiyan and feng hui.Study on the biodegradation rate constants of polychlorinated biphenyl compounds based on electronegativity distance vector[J].Chemistry,2022,85(10):1249-1254. |
| |
| Authors: | FENG Chang-jun yang jieyuan yang xueying yang peiyan and feng hui |
| |
| Institution: | School of Chemistry Chemical Engineering,Xuzhou Institute of Technology,School of Chemistry Chemical Engineering,Xuzhou Institute of Technology,School of Chemistry Chemical Engineering,Xuzhou Institute of Technology,School of Chemistry Chemical Engineering,Xuzhou Institute of Technology,School of Chemistry Chemical Engineering,Xuzhou Institute of Technology |
| |
| Abstract: | |
| |
| Keywords: | polychlorinated biphcnyl rate constant for biodegradation electronegativity distance vector artificial neural network back propagation quantitative structure-biodegradability relationship(QSBR) |
|
| 点击此处可从《化学通报》浏览原始摘要信息 |
| 点击此处可从《化学通报》下载免费的PDF全文 |
