基于启发式方法和支持向量机方法预测有机物的热导率.pdf

《基于启发式方法和支持向量机方法预测有机物的热导率.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、物理化学学~(WuliHuaxueXuebao12790AetaP．-Chim．Sin．2012，28(12)，2790-2796December[Article]doi：10．3866／PKU．WHXB201209273www．whxb．pku．edu．cn基于启发式方法和支持向量机方法预测有机物的热导率时静洁1．2陈利平’陈网桦石宁杨惠’徐伟(南京理工大学化工学院安全工程系，南京210094；化学品安全控制国家重点实验室，山东青岛266071)摘要：构建147个有机物分子结构与其热导率值之间的定量结构一性质关系(QSPR)模型，探讨影响有机物热导率的结构因

2、素．以147个化合物作为样本集，随机选择118个作为训练集，29个作为测试集．应用CODESSA软件计算了组成、拓扑、几何、静电和量子化学等描述符，通过启发式方法(HM)筛选得到5个结构参数并建立线性回归模型：用所选5个结构参数作为支持向量机(SVM)的输入，建立非线性的支持向量机回归模型．预测结果表明：支持向量机回归模型的性能(复相关系数R2=0．9240)~略低于启发式回归模型的性能(尺2=O．9267)，但是支持向量机方法预测性能(尺2=0．9682)高于启发式方法的预测性能(尺2=0．9574)，对于QSPR模型来说，预测性能更重要．因此，总体来说支持

3、向量机方法优于启发式方法．支持向量机方法和启发式方法的提出为工程上提供了一种根据分子结构预测有机物热导率的新方法．关键词：启发式方法：支持向量机：热导率：预测：定量结构一性质关系中图分类号：O641PredictionoftheThermalConductivityofOrganicCompoundsUsingHeuristicandSupportVectorMachineMethodsSHIJing—Jie’。CHENLi—Ping’CHENWang—Hua’'SHINingYANGHui’XUWeirDepartmentofSafetyEngineerin

4、g,SchoolofChemicalEngineering,NanjingUniversityofScience＆Technology,Naming210094PR．China；StateKeyLaboratoryofChemicalSafetyandControlQingdao266071，ShandongProvince,R．China)Abstract：Tobuildthequantitativestructure—propertyrelationship(QSPR)betweenthemolecularstructuresandthethermaIco

5、nductivitiesof147organiccompoundsandinvestigatewhichstructuralfactorsinfiuencethethermalconductivityoforganicmolecules，thetopological，constitutional，geometrical，electrostatic。quantum．chemical，andthermodynamicdescriptorsofthecompoundswerecalculatedusingtheCODESSAsoftwarepackage，where

6、thesedescriptorswerepre—selectedbytheheuristicmethod(HM)．Thedatasetof147organiccompoundswasrandomlydividedintoatrainingset(118)，andatestset(29)．Asaresult，afive—descriptorIinearmode1wasconstructedtodescribetherelationshipbetweenthemolecularstructuresandthethermalconductivities．Inaddi

7、tion．anon—linearregressionmode1wasbuiltbasedOlqthesuppoRvectormachine(SVM)withthesamefivedescriptors．Itwasconcludedthat，althoughthefittingperformanceoftheSVMmodel(squaredcorrelationcoefficient，R2=0．9240)wasslightlyworsethanthatoftheHMmodeJf=O．9267)，thepredictiveperformanceoftheSVMmo

8、del(尺2=O．9682)wasbe