QSPR/QSAR在有机物危险特性预测中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-30页 |
| ·QSPR/QSAR概述 | 第12-14页 |
| ·分子描述符简述 | 第14-16页 |
| ·实验描述符 | 第14页 |
| ·理论描述符 | 第14-16页 |
| ·描述符的选择 | 第16-19页 |
| ·启发式方法 | 第17页 |
| ·逐步回归法 | 第17页 |
| ·线性判别分析法 | 第17页 |
| ·模拟退火算法 | 第17-18页 |
| ·蚁群算法 | 第18页 |
| ·遗传算法 | 第18-19页 |
| ·遗传函数算法 | 第19页 |
| ·QSPR/QSAR研究中的建模方法 | 第19-25页 |
| ·线性建模方法 | 第19-20页 |
| ·非线性建模方法 | 第20-25页 |
| ·模型评价和验证 | 第25-27页 |
| ·模型的稳定性和可靠性 | 第25-27页 |
| ·模型的预测能力 | 第27页 |
| ·QSPR/QSAR研究进展 | 第27-28页 |
| ·主要研究内容与技术路线 | 第28-30页 |
| 第二章 应用BP神经网络预测脂肪族化合物急性毒性 | 第30-45页 |
| ·研究背景 | 第30页 |
| ·研究方法 | 第30-38页 |
| ·样本选取 | 第30-35页 |
| ·描述符获取 | 第35-36页 |
| ·描述符筛选 | 第36页 |
| ·模型建立 | 第36-37页 |
| ·模型验证 | 第37-38页 |
| ·结果与分析 | 第38-44页 |
| ·GFA筛选结果 | 第38-39页 |
| ·MLR模型 | 第39-40页 |
| ·BPNN模型 | 第40-43页 |
| ·模型比较 | 第43页 |
| ·与其他数据比较 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第三章 应用BP神经网络预测有机物的燃烧下限 | 第45-63页 |
| ·研究背景 | 第45页 |
| ·研究方法 | 第45-54页 |
| ·样本选取 | 第45-53页 |
| ·描述符获取 | 第53-54页 |
| ·描述符筛选 | 第54页 |
| ·模型建立 | 第54页 |
| ·模型验证 | 第54页 |
| ·结果与分析 | 第54-62页 |
| ·GFA筛选结果 | 第54-55页 |
| ·MLR模型 | 第55-58页 |
| ·BPNN模型 | 第58-61页 |
| ·模型比较 | 第61-62页 |
| ·与其他数据比较 | 第62页 |
| ·小结 | 第62-63页 |
| 第四章 应用SVM预测一元饱和脂肪醇的闪点 | 第63-76页 |
| ·研究背景 | 第63页 |
| ·研究方法 | 第63-68页 |
| ·样本选取 | 第63-67页 |
| ·描述符获取 | 第67页 |
| ·描述符筛选 | 第67-68页 |
| ·模型建立 | 第68页 |
| ·模型验证 | 第68页 |
| ·结果与分析 | 第68-75页 |
| ·GFA筛选结果 | 第68-69页 |
| ·MLR模型 | 第69-71页 |
| ·SVM模型 | 第71-74页 |
| ·模型比较 | 第74-75页 |
| ·与其他数据比较 | 第75页 |
| ·小结 | 第75-76页 |
| 第五章 应用SVM预测液态烃的燃烧热 | 第76-89页 |
| ·研究背景 | 第76页 |
| ·研究方法 | 第76-82页 |
| ·样本选取 | 第76-81页 |
| ·描述符获取 | 第81页 |
| ·描述符筛选 | 第81页 |
| ·模型建立 | 第81-82页 |
| ·模型验证 | 第82页 |
| ·结果与分析 | 第82-88页 |
| ·GFA筛选结果 | 第82-83页 |
| ·MLR模型 | 第83-85页 |
| ·SVM模型 | 第85-87页 |
| ·模型比较 | 第87-88页 |
| ·与其他数据比较 | 第88页 |
| ·小结 | 第88-89页 |
| 第六章 结论及展望 | 第89-91页 |
| ·论文主要结论 | 第89页 |
| ·论文主要创新点 | 第89-90页 |
| ·研究工作展望 | 第90-91页 |
| 参考文献 | 第91-98页 |
| 附录 | 第98-101页 |
| 致谢 | 第101-102页 |
| 攻读硕士学位期间的研究成果及获奖 | 第102页 |
