...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>QSAR & combinatorial science >Quantitative structure property relationship models for the prediction of liquid heat capacity
【24h】

Quantitative structure property relationship models for the prediction of liquid heat capacity

机译：预测液体热容的定量结构性质关系模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Quantitative Structure-Property Relationship (QSPR) models based on molecular descriptors derived from molecular structures have been developed for the prediction of liquid heat capacity at 25 °C using a diverse set of 871 organic compounds. The molecular descriptors used to represent molecular structures include constitutional and topological indices and quantum chemical parameters. Forward stepwise regression and radial basis function neural networks (RBFNNs) were used to construct the QSPR models. The root mean square errors in liquid heat capacity predictions for the training, test and overall data sets are 16.857, 18.744 and 17.141 heat capacity units, respectively. The prediction results are in agreement with the experimental values, but the RBFNN model seems to be better than stepwise regression method.
机译：已经开发了基于衍生自分子结构的分子描述符的定量结构-性能关系（QSPR）模型，用于使用一组871种有机化合物预测25°C时的液体热容。用于表示分子结构的分子描述符包括结构和拓扑指数以及量子化学参数。使用正向逐步回归和径向基函数神经网络（RBFNN）来构建QSPR模型。训练，测试和总体数据集的液体热容量预测的均方根误差分别是16.857、18.744和17.141热容量单位。预测结果与实验值一致，但RBFNN模型似乎比逐步回归方法更好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号