用人工神经网络和多元线性回归预测毛细管气相色谱保留指数.pdfVIP

第 37 卷第 3 期 兰 州 大 学 学 报 ( 自 然 科 学 版 ) V o l. 37 N o. 3 ( ) 200 1 年 6 月 Jou rn a l o f L anzhou U n iver sity N atu ra l Scien ce s J un e 200 1 ( ) 　　文章编号: 200 1 用人工神经网络和多元线性回归预测 毛细管气相色谱保留指数 1 1, ① 1 2 祁建华 , 刘满仓 , 胡之德 , 范波涛 ( 1. 兰州大学 化学化工学院, 甘肃 兰州　730000; 2. 巴黎第七大学 ITOD Y S 研究所, 法国 巴黎　75005) 摘 要: 对石脑油各组分在毛细管气相色谱上的保留指数的理论预测, 可作为色谱分离过程中识 别各组分的一种参考方法. 选择了 6 个分子结构信息描述符, 即分子量、三级分子连接性指数、环 烷烃的立体异构体参数及密度, 作为输入参数以提高B P 网络的预测能力. 对保留指数的同一数据 集用多元线性回归和B P 神经网络同时进行了预测, 平均相对误差分别为 1. 2 1% 和 1. 29%. 关键词: 人工神经网络; 石脑油; 毛细管气相色谱 中图分类号: O 657. 7　　　文献标识码: A 0　前言 石脑油含有链烷烃、环烷烃和芳香烃, 其组分和各类烃的含量决定了热裂解反应性、转化 率及三烯的产率. 毛细管气相色谱已成为评价石脑油品质的重要方法. 在气相色谱中, 保留指 数是主要定性参数. 对石脑油各组分在毛细管气相色谱上的保留指数的理论预测, 可以作为色 谱分离过程中识别石脑油组分的一种参考方法. 此外, 气相色谱保留指数的预测又是结构保留 定量关系(Q SRR ) 研究中的重要课题. 在Q SRR 研究中, 化合物的结构必须表示成计算机可读的形式, 然后可以用经典的统计 [ 1 ] [2 ] [3, 4 ] [ 5～ 7 ] 方法和学习程序, 如主成分分析 , 偏最小二乘 , 多元线性回归 和人工神经网络 来得 到化合物结构与其保留性质间的关系. 主要问题是如何选择合适的参数, 尽可能多的保留结构 信息, 而参数尽可能简单易得. 在结构保留定量关系的研究中, 可以用经验的理化参数或非经 验的结构描述符来表示化合物的结构. 由于并不是每个化合物的理化参数都能得到, 大部分人 倾向于用非经验的结构参数来研究结构与保留间的关系[ 5, 6 ] , 但是非经验的结构参数大多都需 要使用量子化学算法计算, 算法复杂、计算量大. 本文的目的是联合使用简单的结构参数和易 从实验或文献获得的理化参数作为特征参数, 得到一个尽可能简单的预测模式, 来预测石脑油 各组分的保留指数. 本文建立了两种预测模式, 一种是传统的多元线性回归模式, 另一种是 人工神经网络( ) 预测模式. 这是因为人工神经网络技术是一种强有力的非线性、无模式 AN N 的信息处理工具. 随着人工神经网络技术的普及, AN N 的软件也较易获得. 收稿 日期: 基金项 目: 甘肃省自然科学基金( 981 2505 1 ) 资助项 目. ZS A C ( )