基于遗传算法的人工神经网络预测多硝基化合物撞击感度

• 作者: 钱博文 陈利平 陈网桦
• 来源期刊: 含能材料
• 学科: 化学
• 关键词: 多硝基化合物 撞击感度 预测 遗传算法(GA) 人工神经网络(ANN) 定量构效关系(QSPR)
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 计算含能材料
• 页码范围: 644-650
• 页数: 7页
• 分类号: TJ55|O64
• 字数: 4052字
• 语种: 中文
• DOI: 10.11943/j.issn.1006-9941.2016.07.004

摘要

为获得精度较高、适用范围较大的多硝基化合物撞击感度预测模型,根据定量构效关系(QSPR)原理,用遗传算法(GA)进行变量筛选,建立了多元线性回归(GA-MLR)模型和人工神经网络(GA-ANN)模型,用于149种多硝基化合物撞击感度的定量构效关系的研究.两个模型的相关系数分别为0.854和0.974,均方根误差分别为0.195和0.071,平均绝对误差分别为0.157和0.051.通过模型比较,结果表明所得模型的预测精度均高于已有的QSPR模型,且GA-ANN模型要明显优于GA-MLR模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈网桦	南京理工大学化工学院	86	918	16.0	23.0
2	陈利平	南京理工大学化工学院	56	463	12.0	18.0
3	钱博文	南京理工大学化工学院	1	5	1.0	1.0