基于PCA-BPNN对无机氢化物pKa的QSPR研究

• 作者: 余训爽
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 化学
• 关键词: 无机氢化物 量子化学参数 定量结构-性质相关 主成分分析(QSPR) 主成分-反向传播神经网络(PCA-BPNN)
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 环境科学与技术
• 页码范围: 104-108
• 页数: 5页
• 分类号: O625.21|O657.7|O6-04
• 字数: 1844字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2013.06.016

摘要

采用Chemoffice10.0中的MOPAC/AM1半经验算法,计算13个无机氢化物的6种量子化学参数:偶极距(μ)、分子电子能(EE)、分子最高占据轨道能(Ehomo)、分子最低未占据轨道能(Elumo)、分子总能量(TE)和非氢原子的净电荷(q),利用SPSS19.0软件的主成分分析模块和BP神经网络模块对样本数据集进行预处理,将得到的样本数据集输入人工神经网络,构建无机氢化物pKa的主成分-反向传播神经网络(PCA-BPNN)QSPR模型.结果表明:利用SPSS19.0软件快速实现PCA-BPNN模型取得了非常满意的结果,而且模型的相关系数高,所得结果均优于传统的多元线性回归方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余训爽	长江大学化学与环境工程学院	27	109	6.0	9.0