基于Monte Carlo采样模型集群分析对定量结构-色谱保留相关关系(QSRR)常用建模方法的比较研究

摘要：

本文收集了环烷烃类、环烯烃类、酮类、胺类、醚类、酯类等有机物在固定相角鲨烷和SE-30上的气相色谱保留指数,并采用基于Monte Carlo采样的模型集群分析(Monte Carlo sampling model population analysis, MCS MPA)方法进行了定量结构-色谱保留指数相关关系建模方法的比较研究.对于两种固定相上的有机化合物,分别采用不同的分子描述符予以表征,分子描述符的选择基于统计学与遗传算法.采用的建模方法包括多元线性回归(multivariate linear regression, MLR)、支持向量机回归(support vector machine, SVM)、径向基函数人工神经网络方法(radial basis function artificial neural networks, RBF ANN),通过所建模型预测了独立外部测试样本的气相色谱保留指数.研究结果表明,对于本文所研究的数据,SVM回归方法的建模效果优于MLR与RBF ANN方法.

关键词：气相色谱保留指数、多元线性回归、支持向量机、径向基函数人工神经网络、Monte Carlo采样模型集群分析

所属期刊栏目：35

分类号：TQ015.9;TP391.9;O6-39(一般性问题)

资助基金：留学回国人员项目;山西省自然科学基金;教学改革项目

在线出版日期：2018-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：189-197