一种预测木聚糖酶最适温度的PCANN模型

摘要：

采用主成分分析法对样本数据集进行预处理,将得到的新样本数据集输入神经网络,构建F/10家族木聚糖酶氨基酸组成和最适温度的主成分分析神经网络(PCANN)模型.结果表明,当学习速率为0.07、动态参数为0.8、Sigmoid参数为0.96,隐含层结点数为5时,模型对温度拟合的平均绝对百分比误差为4.97%,绝对误差为3.03 ℃.同时,方法具有良好的预测效果,预测的平均绝对百分比误差为4.68%,平均绝对误差为3.55 ℃.

关键词：主成分分析、BP神经网络、木聚糖酶、最适温度、虚拟筛选

所属期刊栏目：28

分类号：Q550.3;Q811.211;TP183(酶)

资助基金：国务院侨务办公室科研项目05Q0018

在线出版日期：2007-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：55-58