QSPR

摘要： The production and separation of optimal molecules in diesel fuels require a systematic property evaluation for the containing molecules.This paper evaluates the diesel molecules based on four key quality indicators:low-temperature fluidity,cleanliness,ignition,and power performance.We established the corresponding quantitative structure-property relationship models for corresponding properties,which are freezing point,yield sooting index,cetane number,and combustion heat.The models were applied for the screening of the high-performance molecules that is suitable for diesel.The molecular performance distribution of the conventional diesel and biodiesel were also compared.Moreover,we analyzed the effect of different transformation paths on molecular properties,giving guidance on the conversion process design.

摘要： 基于DRAGON描述符,采用多元线性回归(MLR)、支持向量机(SVM)和投影寻踪回归(PPR)方法,建立了3种预测模型,预测了270个挥发性有机化合物(VOCs)在大气对流层中与硝基自由基(NO 3·)反应的动力学常数(以-log k NO 3表示),并探讨了对反应降解机理有影响的分子结构因素.与MLR模型、SVM模型相比较,PPR模型稳健可靠且泛化能力更好,说明非线性模型更适用于VOCs与NO 35反应速率常数的拟合.对于测试集,PPR模型给出R 2=0.956,均方根误差RMSE=0.434,平均绝对相对偏差AARD=2.563%.

摘要： 应用定量构效关系(QSPR)方法对烃类物质的自燃点开展了预测研究.选取国际电工委员会数据库中的39种烃类物质作为样本集,随机选择34种作为训练集,5种作为测试集.采用遗传算法(GA)对变量进行筛选,结合线性和非线性方法分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型,理论预测得到了5种烃类物质的自燃点.结果表明,2个预测模型均比较稳定,理论预测值与实验值均较为相符,GA-SVM模型预测结果较GA-MLR模型更接近于实验值,这表明自燃点与其分子结构间具有更强的非线性关系.

摘要： 利用密度泛函理论(DFT)在B3LYP/6-31g(d,p)水平下计算一系列饱和链烷烃的最优几何构型,获取空间坐标计算自定义的空间距离指数Y_(w′)、Y_(h)、HF能量,利用多元线性回归(MLR)和BP神经网络算法构建饱和链烷烃的空间距离指数Y_(w′)、Y_(h)、HF能量分别与沸点(Tb)、热力学性质[-Δ_(f)H^(θ)_(298)(g)]的QSPR模型,BP算法的预测值与文献值相关性系数大于0.99,MLR方法的预测值与文献值相关性系数大于0.9,预测结果准确性高,模型可靠,对饱和链烷烃的物化性质研究具有理论指导意义。

摘要： 多聚硼酸根离子种类较多结构复杂,在B3LYP/6-31g(d,p)水平下进行密度泛函理论(DFT)计算得到最优构型.采集空间坐标数据与键长数据,获取原子空间距离指数YS、分子空间特征指数YF、键长特征指数BL、HF能量等,应用多元线性回归(MLR)、人工神经网络(BP)方法,建立结构特征指数与Raman特征峰位的模型,预测值与文献值相吻合,相关性系数R分别为0.93700和0.99998,确立了结构特征指数与Raman特征峰位的定量构性关系(QSPR),对多硼酸盐溶液中物种分布的研究具有理论指导意义.

摘要： 多氯代二苯并呋喃(PCDFs)是全球性污染物之一,光化学降解是其主要的环境降解途径.基于分子二维拓扑结构提出的用于表征化合物结构参数的分子电性距离矢量描述子(MEDV),应用多层感知器神经网络(MLP-ANN)和支持向量机(SVM)对PCDFs在云杉针叶和飞灰表面的光解半衰期(t1/2)进行定量结构-性质相关(QSPR)分析,并用交互检验和外部样本对所建模型的稳定性进行了检验.旨在为PCDFs光解机理的QSPR研究提供新思路.结果表明,所建模型均具有良好的稳定性和预测能力,尤以MLP-ANN模型为佳,其建模相关系数(Rcum)、留一法交互检验相关系数(QLOO)以及外部样本检验相关系数(Qext)分别为0.850、0.816、0.954(云杉针叶表面)和0.892、0.753、0.897(飞灰表面).

摘要： In this work, which consisted to develop a predictive QSPR (Quantitative Structure-Property Relationship) model of the first reduction potential, we were particularly interested in a series of forty molecules. These molecules have constituted our database. Here, thirty molecules were used for the training set and ten molecules were used for the test set. For the calculation of the descriptors, all molecules have been firstly optimized with a frequency calculation at B3LYP/6-31G(d,p) theory level. Using statistical analysis methods, a predictive QSPR (Quantitative Structure-Property Relationship) model of the first reduction potential dependent on electronic affinity (EA) only have been developed. The statistical and validation parameters derived from this model have been determined and found interesting. These different parameters and the realized statistical tests have revealed that this model is suitable for predicting the first reduction potential of future TCNQ (tetracyanoquinodimethane) of this same family belonging to its applicability domain with a 95% confidence level.

摘要： 运用Chem Office软件绘制48种多氯代二苯并呋喃的三维图,得到对应的分子空间坐标P(x,y,z).采用自定义的原子空间距离指数、分子电性距离矢量和氯原子数对多氯代二苯并呋喃分子结构进行表征,用多元线性回归和BP人工神经网络建立分子空间结构与光解半衰期的构效关系模型.结果表明BP优于MLR,相关系数R1 =0.9991,R2=0.9985,模型具有良好的稳定性和预测能力,为环境中持久性有机污染物光降解的QSPR研究提供了新思路.

摘要： 以价分子连接指数(0χ,1χ,2χ)为自变量,临界胶束浓度(cmc)为因变量,采用 QSPR 方法和SPSS 21.0统计软件建立了样本数为40的数学模型。最佳模型为 lg cmcobs=2.245-0.7252χ,复相关系数R2=0.864。从预测方程可看出临界胶束浓度与2χ呈负相关关系。筛选过程中发现,0χ,1χ与函数值之间线性关系微弱,与2χ共线性较强,确定了临界胶束浓度最重要影响因素为2阶价分子连接指数(2χ)。内部验证使用留一法(Leave-one-out),得到的交叉验证系数q2=0.831,证明模型稳定性和预测性良好。残差频率分布直方图基本符合正态分布,实验预测值对比图中大部分样本点落在对角线附近,具有明显线性关系。从统计量及图表可证明,该方程可以用来预测阴离子表面活性剂的临界胶束浓度。%A 40-sample mathematical model derived from QSPR is built using Enter Method of SPSS 2 1.0 with molecular connectivityindex of rank zero to two as the independent variable and critical micell concentration as dependent variable.The best model is whose multiple correlation coefficients.It suggests that is negative correlation with the. The weak linear relationship between collining with strongly and function value is found in the screening process,so that the most important factor of is is made sure.Leave-one-out method is chosen for internal verification as a result of q2=0.831,confirming the good stability and predictability.Residuals frequency distribution histogram mainly conform to normal distribution, and with obvious linear relationship sample point in contrast diagram of experimental value and predicted value.It’s proved that this equation is able to predict the values of cationic surfactant through the statistics and statistical chart.

摘要： 有机磷杀螺增效剂为取代乙腈肟磷酸酯和硫代磷酸酯类化合物,对日本血吸虫中间宿主钉螺有杀灭增效作用,因此得到广泛的应用。该类化合物进入环境后可被土壤或其它生物吸附,对生态系统具有潜在的危害.系统研究其水中溶解度(Sw)和正辛醇-水分配系数(Kow)等参数,并进行定量结构、性质相关(QSPR)分析,可为化和物风险评价提供科学依据.

摘要： 有机磷杀螺增效剂为取代乙腈肟磷酸酯和硫代磷酸酯类化合物,对日本血吸虫中间宿主钉螺有杀灭增效作用,因此得到广泛的应用。该类化合物进入环境后可被土壤或其它生物吸附,对生态系统具有潜在的危害.系统研究其水中溶解度(Sw)和正辛醇-水分配系数(Kow)等参数,并进行定量结构、性质相关(QSPR)分析,可为化和物风险评价提供科学依据.

摘要： 有机磷杀螺增效剂为取代乙腈肟磷酸酯和硫代磷酸酯类化合物,对日本血吸虫中间宿主钉螺有杀灭增效作用,因此得到广泛的应用。该类化合物进入环境后可被土壤或其它生物吸附,对生态系统具有潜在的危害.系统研究其水中溶解度(Sw)和正辛醇-水分配系数(Kow)等参数,并进行定量结构、性质相关(QSPR)分析,可为化和物风险评价提供科学依据.

摘要： 有机磷杀螺增效剂为取代乙腈肟磷酸酯和硫代磷酸酯类化合物,对日本血吸虫中间宿主钉螺有杀灭增效作用,因此得到广泛的应用。该类化合物进入环境后可被土壤或其它生物吸附,对生态系统具有潜在的危害.系统研究其水中溶解度(Sw)和正辛醇-水分配系数(Kow)等参数,并进行定量结构、性质相关(QSPR)分析,可为化和物风险评价提供科学依据.

摘要： 有机磷杀螺增效剂为取代乙腈肟磷酸酯和硫代磷酸酯类化合物,对日本血吸虫中间宿主钉螺有杀灭增效作用,因此得到广泛的应用。该类化合物进入环境后可被土壤或其它生物吸附,对生态系统具有潜在的危害.系统研究其水中溶解度(Sw)和正辛醇-水分配系数(Kow)等参数,并进行定量结构、性质相关(QSPR)分析,可为化和物风险评价提供科学依据.

摘要： 本发明公开了一种基于SHAP值构建可解释的GBRT回归模型加速发现高空穴传速速率(μ)及稳定性(η)的钙钛矿太阳能电池中有机小分子空穴传输材料(SM‑HTMs)的QSPR方法及系统，建立数据集样本；生成描述符；随机划分训练集和测试集；利用SHAP嵌套GBRT筛选变量，选出GBRT建模的最优变量子集；用GBRT回归建立有机SM‑HTMs的快速预报模型；根据建立的模型，快速预报测试集有机SM‑HTMs分子的μ及η。根据SHAP反馈的对目标特征的影响和参考文献解释描述符，对应分子片段的结构，构建QSPR模型；手动绘制生成大量虚拟样本，利用建好的GBRT模型进行预报。本发明基于可靠的文献真实值和建模方法，所建的有机SM‑HTMs的GBRT预报模型具有方便快捷，无化学污染的优点。

摘要： 本发明公开了一种基于SHAP值构建可解释的XGBoost回归模型加速发现高PCE的N‑P类有机敏化剂的QSPR方法及系统，建立数据集样本；切分分子片段；Chem3D优化分子；生成描述符；随机划分训练集和测试集；利用SHAP嵌套XGBoost筛选变量，选出XGBoost建模的最优变量子集；用XGBoost回归建立N‑P类有机敏化剂的快速预报模型；根据建立的模型，快速预报测试集染料分子的PCE。根据SHAP反馈的对目标特征的影响和参考文献解释描述符，对应分子片段的结构，构建QSPR模型；python生成大量虚拟样本，利用建好的XGBoost模型进行预报。本发明基于可靠的文献真实值和建模方法，所建的N‑P类有机敏化剂的XGBoost预报模型具有方便快捷，无化学污染的优点。