| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 文章的结构 | 第13-15页 |
| 第二章 关系模型基本理论知识概述 | 第15-29页 |
| 2.1 多元线性回归算法(multiple linear regression,MLR) | 第15-18页 |
| 2.1.1 线性回归统计模型 | 第15页 |
| 2.1.2 多元线性回归模型 | 第15-16页 |
| 2.1.3 多元线性回归模型检验 | 第16-17页 |
| 2.1.4 残差分析 | 第17-18页 |
| 2.2 偏最小二乘法(Partial least square,PLS) | 第18-22页 |
| 2.2.1 偏最小二乘法的原理 | 第18-19页 |
| 2.2.2 偏最小二乘法建模的步骤 | 第19-20页 |
| 2.2.3 最佳主成分数的确定 | 第20-21页 |
| 2.2.4 偏最小二乘法模型精度检验 | 第21-22页 |
| 2.3 BP神经网络算法(BP neural network,BPNN) | 第22-27页 |
| 2.3.1 BP神经网络的基本原理 | 第22-23页 |
| 2.3.2 BP神经网络的网络结构 | 第23-24页 |
| 2.3.3 BP神经网络的学习过程 | 第24-26页 |
| 2.3.4 BP神经算法的步骤 | 第26-27页 |
| 2.4 各种统计算法的优缺点 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 分子密度性能及分子结构关系研究 | 第29-36页 |
| 3.1 计算方法 | 第29-33页 |
| 3.1.1 分子结构参数的选择 | 第29-30页 |
| 3.1.2 密度与其结构参数模型的建立 | 第30-33页 |
| 3.2 密度预测模型的检验 | 第33页 |
| 3.3 分子密度的预测 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 分子生成焓性能及分子结构关系研究 | 第36-43页 |
| 4.1 计算方法 | 第36-39页 |
| 4.1.1 分子结构参数的选择 | 第36-38页 |
| 4.1.2 分子生成焓预测模型的建立 | 第38-39页 |
| 4.2 分子生成焓预测模型精度分析 | 第39-40页 |
| 4.3 分子生成焓的预测 | 第40-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第五章 分子爆速性能及分子结构关系研究 | 第43-49页 |
| 5.1 计算方法 | 第43-47页 |
| 5.1.1 分子结构参数的选择 | 第43-45页 |
| 5.1.2 网络模型的建立 | 第45-47页 |
| 5.2 分子爆速的预测 | 第47-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第六章 分子构效分析性能预测系统 | 第49-55页 |
| 6.1 开发环境 | 第49页 |
| 6.2 系统的原理与流程 | 第49-51页 |
| 6.2.1 系统原理 | 第49-50页 |
| 6.2.2 系统流程与实现 | 第50-51页 |
| 6.3 TNT(三硝基甲苯)分子性能预测 | 第51-52页 |
| 6.4 系统功能说明 | 第52-53页 |
| 6.5 本章小结 | 第53-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士期间取得的学术成果 | 第61-63页 |
| 致谢 | 第63页 |
