Benson基团加和法对气相色谱保留值规律的研究

应用Ｂｅｎｓｏｎ基团加和法，对脂肪醇、醛、酮和酯几类有机化合物的分子结构与气相色谱保留值间的关系进行了研究，对部分化合物气相色谱保留值的预测结果表明，这几类化合物的气相色谱保留值具有很好的基团加和性，预测值与实验值吻合很好。     

Benson基团加和方法的位阻修正

Ｂｅｎｓｏｎ基团加和方法的位阻修正王贵昌潘荫明蔡遵生赵学庄＊（南开大学化学系天津３０００７１）在过去的几十年中，人们为估算物质的热力学数据提出了许多经验公式，在一定程度上弥补了实验数据的不足，对化工生产和化学研究起到了积极的作用。在这些经验方法中，由...     

从信息论指标预测氯代羟基苯甲醛的气相色谱保留值

分子结构与其保留值规律的研究是色谱热力学研究的主要内容。几十年来,许多色谱工作者为探索分子结构与色谱保留值之间的关系作了不懈努力。用分子的拓扑结构指标来关联化合物的气相色谱行为,是十分引人注目的一个方法。到目前为止,已经提出了多种拓扑结构指标。本文试图定义一种信息论指标,     

应用基团贡献法关联抗生素的高效液相色谱的保留值

应用ＵＮＩＦＡＣ基团贡献模型计算了４种头孢菌素在ＯＤＳ柱上及不同配比甲醇－水体系中的活度系数，采用多元线性回归法关联了头孢菌素－甲醇－水体系的反相高效液相色谱的保留值，可预测不同配比流动相下的容量因子，经验证实验值与计算值的对误差小于１０％。     

人工神经网络方法预测气相色谱保留值

本文运用一典型的人工神经网络模型－“反向传播“模型的改进形式，研究了诱导效应指数Ｉ，摩尔折射度Ｒｏ，疏水亲脂参数ＩｇＰ，以及分子联通性指数与气象色谱保留行为的关系，实现了对色谱保留植的预测。神经网络预测模型的最大相对误差不超过８．７％。结果表明，该方法性能良好，可望成为色谱保留值预测的有效手段。     

聚酰亚胺玻璃化转变温度预测:基团贡献加和法与未知基团赋值

基团贡献加和法(GAP)假设聚合物性质来自于重复单元中各次级基团的贡献, 因此可以通过计算基团贡献值的加和值预测聚合物性质. van Krevelen建立了基团贡献加和法, 计算了数十种聚合物的性质, 包括常用的溶解度参数、 熔点和玻璃化转变温度(T_g)等参数. 聚酰亚胺是由二酐和二胺缩合反应得到的一类高性能聚合物, 其中T_g是决定聚酰亚胺使用温度范围的关键性质. 因此准确预测聚酰亚胺的T_g有助于优化和筛选单体分子结构. 本文首先利用van Krevelen提供的普适性基团贡献值计算了74种聚酰亚胺的T_g, 发现计算值与实验值具有较好的相关性(R²=0.88, s=21 K), 但存在系统误差, 如二者线性拟合斜率为0.78, 远偏离1. 由于普适性贡献值来自于不同聚合物的数据迭代, 对聚酰亚胺体系适用性较差, 必须对基团贡献值进行校正. 本文系统性地提高了刚性基团的贡献值, 同时降低了柔性基团的贡献值. 利用校正后的基团贡献值重新计算了T_g, 其与实验值具有更好的相关性(R²=0.88, s=18 K)和一致性(线性拟合斜率为0.94). 进一步使用上述校正后的已知基团贡献值对未知的7种二酐基团和6种二酐或二胺中的子基团进行赋值. 训练组(82个聚酰亚胺)和测试组(35个聚酰亚胺)数据验证了这13个基团贡献值的可靠性. 本文建立的基团贡献值校正方法和对未知基团的赋值法也可以推广应用于其它芳杂环类聚合物.     

人工神经网络在气相色谱保留值预测上的应用

应用人工神经网络对气相色谱Ｋｏｖａｔｓ保留指数进行多点预测研究。基于人工神经网络的典型模型（ＢＰ网络）,采用文献中的数据,建立了反映溶质的Ｋｏｖａｔｓ指数与溶质的溶剂化参数以及其与固定相的相参数之间关系的数学模型,并采用多元性回归方法和人工神经网络对溶质的Ｋｏｖａｔｓ指数进行了预测研究。     

反相液相色谱双柱双参数法用于芳香类组分保留值的预测

保留值的双柱双参数的方法,此方法通过建立标准的、c双参数库,利用双柱之间的-线性关系来预测各类样品的保留值。文中给出了芳香类化合物保留值的预测实例。     

溶质在气相色谱中进样量和保留值关系的方程

考虑到气相中溶质分子和其它成分在固定相上的竞争吸附作用,提出了一个描述溶质在气相色谱中进样量和保留值的关系式.由此方程可以获得两个描述色谱体系特征的重要参数:溶质和其它成分在固定相表面竞争吸附的热力学平衡常数Ka和单位体积固定相所能吸附溶质的量NmS.当其它参数给定时,Ka的大小直接决定溶质进样量与保留值关系式的性质.通过试验对此方程进行了初步验证.     

人工神经网络法预测炸药组分的色谱保留值参数

 以分子拓扑指数作为炸药组分的结构描述符 ,利用反向传播算法 (BP)人工神经网络 ,以Sigmoid函数为传递函数 ,分子连接性指数0 χ ,1χ ,2 χ与边邻接指数 (ε)为输入向量 ,反相高效液相色谱保留值参数logkw 和S为输出向量 ,将输入向量归一化至 - 3～ 3区间 ,输出向量归一化至 0～ 1区间 ,网络精度取 0 5 ,学习步长 η的初始值取0 2 ,动量因子α取 0 5 ,通过对 2 0种炸药的网络模型进行训练 ,建立了炸药分子结构与logkw 和S之间的定量模型。结果表明 ,该模型较好地反映了炸药分子结构与保留值之间的关系。     

烷烃同系物气相色谱保留指数的分子拓扑研究

定义了分子中原子的平衡电负性,并用原子的平衡电负性对分子图进行着色,在距离矩阵的基础上结合分子中各原子的支化度构建了一种新的拓扑指数N1,N2和N3。该拓扑指数对分子结构实现惟一性表征,具有优良的结构选择性。将拓扑指数N1,N2和N3与烷烃在固定相角鲨烷(柱温50　℃)及SE-30(柱温80　℃)上的气相色谱保留指数进行多元线性回归,结果表明烷烃的气相色谱保留指数可分别定量描述为I(Squalane)=23.97842N1-3.86562N2+0.787379N3+42.33061,I(SE-30)=23.83937N1-3.5687N2+0.939876N3+22.11952。用上述回归方程对烷烃的气相色谱保留指数进行预测,结果表明预测值与实验值的平均相对误差均为1.31%,预测结果误差在实验误差范围内。     

人工神经网络方法预测气相色谱保留指数

用误差反向传播（ＢＰ）的人工神经网络（ＡＮＮ）模型及分子结构描述码作为输入特征参数，预测气相色谱保留指数．研究了链烷烃、环脂烃、烯烃及醇、酯、醚等３００个化合物，预测结果平均相对误差不大于２．８３％．     

灰色模型预测气相色谱法中的保留值

应用灰色理论中的ＧＭ（１,１）模型,对气相色谱法中容量因子ｋ＇和温度倒数１／Ｔ之间的关系进行了研究,求出了许多火炸药组分的ａ和ｕ值,并随机预测了几种火炸药组分的ｋ＇值。结果指出,灰色理论完全适用于对气相色谱保留值问题的研究,方法也完全能应用于实际工作中。     

稳健灰色模型在色谱保留值研究中的应用

本文提出了具有稳健性的ＧＭ（１，１）灰色模型，并用此模型对８种多环芳烃化合物容量因子与流动相组成间的关系作了研究，建立了其间的稳数学模型，结果表明，稳健ＧＭ（１，１）模型比常规ＧＭ（１，１）模型具有更好的抗干扰性能和受异常点影响小的优点，是一个值得推广的好方法。既丰富了灰色系统理论，又拓宽了灰色理论在分析化学中的应用范围。     

有机磷农药分子空间坐标指数与色谱保留值的QSPR研究

根据分子空间坐标数据,定义了原子距离指数Ys、分子空间距离指数yF和空间坐标特征值指数Yλ来表征有机磷农药（OPS）的分子结构特征;运用误差反向传输（BP）人工神经网络方法建立21种OPS空间坐标指数与气相色谱保留值定量结构性质分析（QSPR）模型,预测了气相色谱保留值.结果得出实验室值与预测值的相关系数R=0.950 2,所建模型稳定性和预测能力均良好.     

关于毛细管气相色谱与质谱或保留值配合定性问题

利用色谱－质谱和色谱－保留指数两种不同的定性方法,针对随机挑选的精油进行分析,利用所得结果再次强调指出色谱定性中众所周知但又未受到足够重视的一条原则,即仅靠一种方法很难对色谱峰准确定性,只有两种不同方法配合使用才能提高定性结果的可靠程度。即使质谱和保留值定性结果吻合,也只能认为获得初步的定性结果;为了确证定性结果,用标样核对有时仍属必要。     

多氯联苯的正辛醇-空气分配系数与气相色谱保留参数的关联

通过对19种多氯联苯（PCBs）在DB-1,DB-5和DB-1701等3种色谱柱上的气相色谱（GC）保留参数A,B值与正辛醇-空气分配系数(Koa)的相关分析,发现GC保留参数A,B与Koa存在明显的线性关系。采用了逐步回归的方法,建立了保留参数A,B与Koa的二元回归方程,相关系数的平方达到了0.99以上,标准偏差小于0.11。此外,根据实验测定的153个PCBs的GC保留参数以及定量构效关系（QSAR）研究中的56个预测值,对剩余190种PCBs的Koa值进行了预测。     

A QSRR Study on the Chromatographic Retention Indices of Hydroxylated Polychlorinated Biphenyls

Hydroxylated Polychlorinated Biphenyls (HO-PCBs) are the metabolite of polychlorinated biphenyls and have drawn much attention because they have hazard on human health and ecosystems. Molecular connectivity index calculation has been performed for 19 HO-PCB compounds. A number of statistically based parameters have been extracted. Linear relationship between chromatographic retention index (RI) and the molecular connectivity index of 15 compounds in the training set has been established by multiple linear regression method. The other 4 HO-PCBs are used as the external test set. The result shows that the parameters can be well used to express the quantitative structure-retention relationship (QSRR) of HO-PCBs. Good stability and predictive ability have been demonstrated by leave-one-out cross-validation and the external test set.     

甲基烷烃结构与色谱保留指数相关性的拓扑指数法研究

计算了207个甲基烷烃的127个拓扑指数变量,把变量选择方法GAPLS方法引入到定量结构与气相色谱保留关系研究中,对127个拓扑指数变量进行选择,得到了含7个变量的化合物的定量结构与色谱保留指数关系(QSRR)模型,其复相关系数的平方为0.99998,标准偏差为2.88。交互验证的复相关系数为0.99997,交互验证的预测标准偏差为2.95,表明该模型具有良好的稳定性和可靠性。对获得的7个变量进行了合理的结构解释,表明甲基烷烃色谱保留指数完全能用拓扑指数来精确表征。