基于遗传算法的支持向量机预测含能材料密度的研究

摘要：

基于遗传算法(genetic algorithm,GA)的变量筛选和支持向量机(support vector machine,SVM),提出了一种改进的定最结构-性质相关(quantitative structure detonation relationship,QSPR)建模方法--遗传-支持向量机(GA-SVM),并用其建立含能材料的定量结构-爆轰性能关系(QSDR)模型,此外还应用标准SVM方法建立了QSDR模型,并用这2种模型进行呋咱系含能化合物密度的预测,随机选取85%化合物作为训练集,用来建立模型,其余化合物作为测试集来测试模型的预测能力.预测结果的交瓦检验的相关系数平方分别为0.988 7和0.988 5,平均相对误差分别为1.16%和2.12%,表明了2种建模方法的有效性.通过对2种模型的预测能力进行比较,GA-SVM方法建立的QSDR模型能更好地预测呋咱系含能化合物的密度,更利于实际应用.

关键词：含能材料密度、支持向量机、遗传算法、定量结构-爆轰性能关系

所属期刊栏目：26

分类号：TQ015.9;O6-39(一般性问题)

资助基金：国防973资助项目61374xx;国家自然科学基金资助项目20675063

在线出版日期：2010-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1529-1533