首页--数理科学和化学论文--化学论文--有机化学论文

有机小分子吸收能的精确计算:神经网络与支持向量机方法

中文摘要第1-6页
英文摘要第6-10页
第一章 引言第10-22页
 一、研究背景第10-20页
  (一) 吸收能的定义第12-13页
  (二) 紫外可见吸收光谱的原理第13-20页
 二、本论文的研究意义及内容第20-22页
第二章 理论基础第22-46页
 一、量子化学计算方法第22-31页
  (一) 从头算方法第23-27页
  (二) 半经验计算方法第27-29页
  (三) 密度泛函理论(DFT)和含时密度泛函理论(TDDFT)方法第29-31页
 二、基组第31-33页
  (一) 最小基组第32页
  (二) 劈裂价键基组第32页
  (三) 极化基组第32-33页
  (四) 弥散基组第33页
  (五) 高角动量基组第33页
 三、校正方法第33-46页
  (一) 多元线性回归第34-35页
  (二) 人工神经网络第35-40页
  (三) 遗传算法第40-41页
  (四) 支持向量机第41-46页
第三章 提高低水平的量子化学方法计算吸收能的精度:遗传算法和神经网络方法第46-58页
 一、引言第46-47页
 二、实验方法第47-49页
  (一) 物理参数选择第47页
  (二) 遗传算法优化BP神经网络第47-49页
 三、结果和讨论第49-57页
  (一) GABP校正不同精度的量子化学方法计算值第49-55页
  (二) 高精度方法的校正值校正低精度的方法计算值第55-56页
  (三) GABP提高较大分子的计算精度第56-57页
 四、结论第57-58页
第四章 提高密度泛函理论方法计算吸收能的精度:支持向量机方法第58-67页
 一、引言第58-59页
 二、实验部分第59页
  (一) 计算数据第59页
  (二) 物理参数计算第59页
  (三) 物理参数选择第59页
 三、理论方法第59-60页
 四、结果和讨论第60-66页
  (一) 提高密度泛函理论的计算精度第60-65页
  (二) 筛选物理参数的有效性第65-66页
 五、结论第66-67页
总结与展望第67-68页
参考文献第68-79页
附录第79-85页
 附录1 160 个有机分子的结构图第79-82页
 附录2 人工神经网络的权值和阈值第82-85页
致谢第85-86页
在学期间公开发表论文及著作情况第86页

论文共86页,点击 下载论文
上一篇:高效复合光催化材料的设计制备及其催化性能研究
下一篇:缺位杂多钼酸盐与过渡金属的配位组装、晶体结构和磁性研究