聚甲基丙烯酸酯类玻璃化温度的量子化学-神经网络方法研究.pdfVIP

第 卷第 期 高分子材料科学与工程 22 1 Vol. 22 No. 1 年 月 2006 1 P0 LYMER MATERIALS SCIENCE AND ENGINEERING Jan. 2006 聚甲基丙烯酸酯类玻璃化温度的 量子化学 神经网络方法研究 1 1 1 1 1 2 刘万强 王学业 李新芳 龙清平 文小红 李建军 湘潭大学化学学院 湖南湘潭 江苏出入境检验检疫局 江苏南京 (1. 411105 ; 2. 210001D 摘要 用密度泛函 方法在 基组优化了 种聚甲基丙烯酸酯类的结构单元 得到了其量 : ( D 6-31 ( D 32 DFT G d 子化学参数 用模式识别 逐步回归和人工神经网络方法探讨了这些参数与聚甲基丙烯酸酯类 的关 Tg 系 模式识别两类 大小不同的聚合物基本分布在不同区域 用逐步回归和人工神经网络方法所建立 Tg 的定量模型的计算值与实验值的相关系数分别为0. 9760 0. 9912 预报结果与实验值基本一致O 关键词 聚甲基丙烯酸酯 玻璃化温度 量子化学参数 模式识别 人工神经网络 : ; ; ; ; 中图分类号:0 631. 2+ 2 文献标识码:A 文章编号:1000-7555(2006D 01-0170-04 高分子材料结构与性能定量关系的研究是 参数 用逐步回归方法筛选变量 然后用模式识 O 分子设计的基础 一直受到人们的普遍关 别 逐步回归和人工神经网络方法建立这些量 注[1~ 5] O 聚甲基丙烯酸酯类是具有广泛用途的 子化学参数与聚合物性质之间的定量关系[10] O 高分子材料 对其 的研究可为聚甲基丙烯酸 模式识别 逐步回归和人工神经网络采用自编 Tg 酯类分子设计和改性提供理论指导 由于量子 的软件完成O O 化学参数隐含了分子化学结构和电子结构