| 中文摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第一章 前言 | 第10-17页 |
| ·醛酮化合物的 QSPR 研究现状 | 第10-11页 |
| ·QSPR 的简述 | 第11-15页 |
| ·QSPR 的定义 | 第11页 |
| ·定量构效关系研究的基本步骤 | 第11-14页 |
| ·数据的来源 | 第11页 |
| ·分子结构参数的获取 | 第11-13页 |
| ·定量构效关系模型的构建及验证评价 | 第13-14页 |
| ·QSPR 研究现状和发展趋势 | 第14-15页 |
| ·本论文研究的内容及其特色创新之处 | 第15-17页 |
| ·研究内容 | 第15页 |
| ·研究特色 | 第15-16页 |
| ·创新之处 | 第16-17页 |
| 第二章 QSPR 模型的建立方法 | 第17-23页 |
| ·多元线性回归方法 | 第17-18页 |
| ·人工神经网络 | 第18-21页 |
| ·BP 神经网络 | 第18-20页 |
| ·BP 网络模型的特点 | 第18-20页 |
| ·样本原始数据的预处理 | 第20页 |
| ·BP 网络的创建 | 第20页 |
| ·RBF 神经网络 | 第20-21页 |
| ·聚类分析 | 第21-22页 |
| ·样本数据的预处理 | 第21-22页 |
| ·系统聚类计算类间距离的方法 | 第22页 |
| ·计算软件 | 第22-23页 |
| ·ChemBioOffice 软件 | 第22页 |
| ·Matlab 软件 | 第22页 |
| ·IBM SPSS Statistic 软件 | 第22-23页 |
| 第三章 醛酮分子结构参数与其物性的 QSPR 研究 | 第23-93页 |
| ·引言 | 第23页 |
| ·数据和方法 | 第23-34页 |
| ·数据集 | 第23-30页 |
| ·结构建立与优化 | 第30-32页 |
| ·分子结构参数的产生 | 第32-34页 |
| ·自定义的 Y_h指数 | 第32-34页 |
| ·官能团位置指数 S_(ox)和碳原子个数 C_n | 第34页 |
| ·Wiener 指数 | 第34页 |
| ·多元线性回归分析变量的选择和模型的构建 | 第34-52页 |
| ·多元线性回归的 QSPR 模型 | 第35页 |
| ·多元线性回归模型的内部评估 | 第35-45页 |
| ·沸点 T_(bp)模型的评估 | 第35-37页 |
| ·摩尔折射率 MR 模型的评估 | 第37-39页 |
| ·定压热容 C_p模型的评估 | 第39-41页 |
| ·临界温度 T_c模型的评估 | 第41-43页 |
| ·临界体积 V_c模型的评估 | 第43-45页 |
| ·多元线性回归模型的外部验证 | 第45-51页 |
| ·沸点 T_(bp)模型的验证 | 第45-47页 |
| ·摩尔折射率 MR 模型的验证 | 第47-48页 |
| ·定压热容 C_p模型的验证 | 第48-49页 |
| ·临界温度 T_c模型的验证 | 第49-50页 |
| ·临界体积 V_c模型的验证 | 第50-51页 |
| ·结果与讨论 | 第51-52页 |
| ·最优构象和坐标原点的设置 | 第51页 |
| ·分子结构参数的分析 | 第51-52页 |
| ·结果对比分析 | 第52页 |
| ·醛酮化合物的 BP 神经网络研究 | 第52-78页 |
| ·实验环境 | 第52页 |
| ·BP 网络设计 | 第52-54页 |
| ·变量的选取及其归一化处理 | 第52-53页 |
| ·BP 网络结构的确定 | 第53页 |
| ·BP 网络的创建及其模型验证 | 第53-54页 |
| ·BP 网络模型 | 第54-72页 |
| ·沸点 T_(bp)的 BP 网络模型 | 第54-60页 |
| ·摩尔折射率 MR 的 BP 网络模型 | 第60-64页 |
| ·定压热容 C_P的 BP 网络模型 | 第64-67页 |
| ·临界温度 T_c的 BP 网络模型 | 第67-69页 |
| ·临界体积 V_c的 BP 网络模型 | 第69-72页 |
| ·BP 网络模型验证 | 第72-78页 |
| ·沸点 T_(bp)的 BP 网络模型验证 | 第72-74页 |
| ·摩尔折射率 MR 的 BP 网络模型验证 | 第74-75页 |
| ·定压热容 C_P的 BP 网络模型验证 | 第75-76页 |
| ·临界温度 T_c的 BP 网络模型验证 | 第76-77页 |
| ·临界体积 V_c的 BP 网络模型验证 | 第77-78页 |
| ·醛酮化合物的 RBF 网络研究 | 第78-88页 |
| ·RBF 网络模型 | 第79-82页 |
| ·沸点 T_(bp) 的 RBF 网络模型 | 第79-80页 |
| ·摩尔折射率 MR 的 RBF 网络模型 | 第80页 |
| ·定压热容 C_P 的 RBF 网络模型 | 第80-81页 |
| ·临界温度 T_c 的 RBF 网络模型 | 第81-82页 |
| ·临界体积 V_c 的 RBF 网络模型 | 第82页 |
| ·RBF 网络模型验证 | 第82-88页 |
| ·沸点 T_(bp)的 RBF 网络模型验证 | 第82-84页 |
| ·摩尔折射率 MR 的 RBF 网络模型验证 | 第84-85页 |
| ·定压热容 C_P的 RBF 网络模型验证 | 第85-86页 |
| ·临界温度 T_c的 RBF 网络模型验证 | 第86-87页 |
| ·临界体积 V_c的 RBF 网络模型验证 | 第87-88页 |
| ·醛酮化合物的聚类分析 | 第88-93页 |
| ·数据的预处理 | 第89页 |
| ·醛酮性质及其分子结构参数的聚类分析 | 第89-93页 |
| ·沸点 T_(bp)及其分子结构参数的聚类分析 | 第89-90页 |
| ·摩尔折射率 MR 及其分子结构参数的聚类分析 | 第90页 |
| ·定压热容 C_p 及其分子结构参数的聚类分析 | 第90-91页 |
| ·临界温度 T_c及其分子结构参数的聚类分析 | 第91-92页 |
| ·临界体积 V_c及其分子结构参数的聚类分析 | 第92-93页 |
| 第四章 结论 | 第93-98页 |
| ·分子结构参数的选取及其归一化处理 | 第94页 |
| ·多元线性回归模型优化 | 第94页 |
| ·BP 神经网络结果分析 | 第94-95页 |
| ·RBF 神经网络结果分析 | 第95-96页 |
| ·聚类分析结果 | 第96页 |
| ·展望 | 第96-98页 |
| 参考文献 | 第98-102页 |
| 致谢 | 第102-103页 |
| 个人简历 | 第103-104页 |
| 攻读硕士学位期间发表和完成的学术论文 | 第104页 |
| 攻读硕士学位期间参加的科研项目 | 第104页 |