神经网络用于胶束液相色谱保留值模拟预测.pdfVIP

LC．108 神经网络用于胶束液相色谱保留值模拟预测 赵瑞环岳丙方 单亦初倪坚毅邹汉法 张玉奎 (中国科学院大连化学物理研究所国家色谱研究分析中心大连116011) 1前言 色谱保留值规律的研究是优化色谱分离条件的基础，同时也是研究色谱分离原理、色 谱定性及实现色谱智能化的理论基础。对保留值规律的探索，提出了色谱热力学，动力学 规律及经验公式，在实践中已得到验证和广泛应用。但对于复杂体系的保留值预测还不能 依据理论规律进行，使其应用受到限制。 近年来发展起来的人工神经元网络(ANN)方法具有自适应学习和自动建模功能，适 于解决那些因果关系不甚明确，推理规律不确定的复杂体系。胶束液相色谱中影响溶质保 留值行为的困索很多，如表面活性剂、有机添加剂、缓冲液口H值及温度等。其保留值预 测目前尚不能依据理论规律进行。 本文应用神经网络误差反向传播算法(BP．ANN)模拟预测了胶柬液相色谱容量因子t’ 与流动相组成，温度及pH值之间的保留值规律，得到理想的结果。 2基本原理 本文采用三层前向传播神经网络，即由输入层、一个隐含层和输出层组成。各层皆由 为数不等的节点组成。网络拓扑结构由相邻层节点之间的连接权重和偏置项表示。节点J 的输出由式(1)给出 删』=∑脚Dl i 其中f代表前一层的节点，％是节点i与』之间的连接权重，n是节点f的输出。 的输出由其输入值和转换函数确定。 c!f=，晒)=雨丽乇丽 其中，为转换函数，本文采用sigmoid非线性函数：谚是偏置项。 网络的训练采用误差反向传播算法”1。计算网络实际输出圪与期望值zI之间的误差 函数 ．Ⅳ 钾 占=告∑坼一压)2 (3) ) 。^一I 式中Ⅳ为样本个数。 C++ 应用梯度下降法修正权重因子，使得误差函数达到极小值。该方法已用Borlnd 编程，建立了BP．ANN软件系统，包括数据预处理，建立网络结构，参数选择，训练过 程监控，人机对话界面以及数据报表等功能。 ．243． 本文中的数据引自文献【2】，验证了BP．ANN软件系统的正确性。在其后的实际应用 中证实了该软件的可靠性。 3结果与讨论 31 网络构造与数据预处理 以胶束液相色谱流动相组成为网络模型的输入参数，溶质容量因子女’为网络输出， 隐含层节点数通过优化选择确定，建立具有三层节点的神经网络。容量因子线性转换到区 间O．2，o．8】，所有输入参数作如下归一化处理： 2二!翌 (4) xm“一xm 其中q为任一输入参数，‰。和‰In分别为输入参数的最大值和最小值。 3．2不同流动相组成容量因子的模拟预测结果 (1)8个苯酚类化合物容量因子I’的模拟预测。流动相组成包括十六烷基三甲基溴化 胺和异丙醇，pH7．0。网络结构为2．3．1，训练次数300¨5000次，训练结果为90％的数 据点相对误差在l％之内，最大相对误差不超过5％。 (2)5种儿茶酚胺容量因子t’的模拟预测。流动相中含有十二烷基磺酸钠和丙醇，DH 6．8。9个数据点用于训练建立模型，4个数据点用于预测。训练结果是95％以上数据点 相对误差小于5％，70％数据点