统计方法校正O3LYP方法计算的生成热

由于引入各种内在近似, 密度泛函理论存在固有误差. 本文采用O3LYP/6-311+G(3df, 2p)//O3LYP/6-31G(d)计算了220个中小型有机分子的生成热(Δ_fH_calc^Θ), 随后应用神经网络(ANN)和多元线性回归(MLR)方法对Δ_fH_calc^Θ进行校正. 采用计算得到的生成热、零点能、分子中原子总数、氢原子个数、双中心成键电子数、双中心反键电子数、单中心价层孤对电子数、单中心内层电子数作为ANN和MLR的描述符. 以180个分子作为训练集构造ANN或MLR模型, 并对40 个独立测试集分子的Δ_fH_calc^Θ进行了预测. 结果表明: 经过ANN和MLR校正后,训练集分子生成热的理论计算值和实验值间的均方根偏差(RMSD)从24.7 kJ·mol^-1分别降低到11.8、13.0 kJ·mol^-1; 独立测试集分子的RMSD从21.3 kJ·mol^-1分别降低到10.4、12.1 kJ·mol^-1. 因此ANN模型的拟合和预测能力要明显优于MLR模型.     

烯烃气相色谱保留指数的QSRR研究

通过对184个烯烃类化合物在不同固定相不同柱温下的617个样本的气相色谱保留指数值(RI)与其部分参数:拓扑指数(mQ)、偶极矩(DPL)、固定液极性值(CP)及柱温(T)建立定量-色谱保留相关(QSRR)模型.分别利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、人工神经网络(ANN)建模,同时采用内部及外部双重验证的办法对所得模型稳定性能进行深入分析和检验,建模计算值、留一法(LOO)交互检验(CV)预测值和外部样本的复相关系数Rcum,QLOO和Rext分别为0.999 2,0.998 4和0.999 2(MLR);0.999 0,0.998 0和0.999 1(PLSR);0.999 4,0.998 7和0.999 2(ANN).结果表明:所建定量结构保留关系(QSRR)模型具有良好的稳定性和预测能力,较好地揭示了烯烃类化合物在不同固定相不同柱温上气相色谱保留指数的变化规律.