基于广义回归神经网络的幼蛏毒性模型的建立与应用
为建立芳烃化合物物化性质与缢蛏幼体(幼蛏)毒性间的非线性关系,本研究以实验获取的12种芳烃化合物对幼蛏96 h的毒性数据为基础,采用密度泛函理论(DFT)中的B3LYP方法,在6-311G**基组上全优化计算12种芳烃化合物结构参数和热力学参数,采用广义回归神经网络(GRNN)和3层误差反向传播(BP)神经网络方法对实验数据进行回归拟合,模拟芳烃化合物的结构参数和热力学参数对幼蛏急性毒性的非线性关系。结果表明,GRNN的泛化结果和实测值的误差小于BP神经网络,预测准确性优于BP神经网络。t检验结果揭示建立的GRNN模型是可信的。相关性验证表明,GRNN模型具有良好的拟合度,在样本数据较少时也能很好的表达芳烃化合物对幼蛏急性毒性的非线性关系。利用 GRNN 模型预测未知芳烃化合物的实验结果,为芳烃化合物对幼蛏急性毒性关系的分析提供科学依据。
芳烃化合物、幼蛏、毒性、广义回归神经网络、3层误差反向传播神经网络
S944.1(水产保护学)
中央级公益性科研院所基本科研业务费专项2008M11,2009T08;国家自然科学基金资助项目41001188;国家高技术研究发展计划863项目2007AA092202;大洋渔业资源重点实验室开放课题KF200908
2013-07-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
523-526