有機(jī)物的結(jié)構(gòu)與粘度等安全參數(shù)的定量構(gòu)效關(guān)系模型研究.pdf

1、熱安全在化工生產(chǎn)安全中占有極其重要的地位。本論文選擇粘度、熱容、熱導(dǎo)率和自燃點(diǎn)這四個(gè)安全參數(shù)進(jìn)行預(yù)測(cè)研究，對(duì)生產(chǎn)安全有著重要的理論意義和實(shí)用價(jià)值?；赒SPR(Quantitative Structure-Property Relationship)基本原理，構(gòu)建了有機(jī)物粘度、熱容、熱導(dǎo)率、自燃點(diǎn)與其分子結(jié)構(gòu)間的QSPR預(yù)測(cè)模型，探究影響其性質(zhì)的結(jié)構(gòu)因素。主要研究方法與結(jié)論如下:
　　(1)采用Dragon2.1軟件計(jì)算化合物的分

2、子描述符，以迭代自組織數(shù)據(jù)分析技術(shù)（Iterative Self-Organizing Data Analysis Techniques Algorithm，ISODATA）將樣本集初步分類，隨后在各個(gè)類別中隨機(jī)選取樣本作為訓(xùn)練集用于建立模型。分別運(yùn)用遺傳算法(Genetic Algorithm，GA)和蟻群算法(Ant Colony Optimization，ACO)獲取特征描述符，并分析了特征描述符與其性質(zhì)間的關(guān)系。將特征描述符作為

3、模型的輸入?yún)?shù)，分別與多元線性回歸(Multiple Linear Regression，MLR)法和支持向量機(jī)(Support VectorMachine，SVM)法結(jié)合建立了GA-MLR、GA-SVM、ACO-MLR和ACO-SVM模型。采用模型評(píng)價(jià)參數(shù)對(duì)所建模型性能進(jìn)行了全面的評(píng)價(jià)驗(yàn)證，應(yīng)用Williams圖對(duì)模型的應(yīng)用域進(jìn)行了研究，找出了標(biāo)準(zhǔn)殘差和臂比值超出界定范圍的化合物，并分析了出現(xiàn)“異常值”的原因。將所建預(yù)測(cè)模型與文獻(xiàn)中已

4、有模型進(jìn)行比較，發(fā)現(xiàn)所建模型優(yōu)于文獻(xiàn)中已有模型。
　　(2)對(duì)有機(jī)物粘度與其分子結(jié)構(gòu)間的QSPR研究結(jié)果如下:ISODATA算法將310種化合物分成11類，選取248種化合物作為訓(xùn)練集建立粘度預(yù)測(cè)模型。GA和ACO篩選出的特征描述符均認(rèn)為化合物的粘度值大小主要由化合物的溶解熵大小以及分子中親水基團(tuán)的數(shù)目所決定，且GA篩選出的nOH描述符明確指出是親水基團(tuán)中的羥基數(shù)目。所建立的四個(gè)粘度預(yù)測(cè)模型決定系數(shù)R2均在0.75以上，預(yù)測(cè)效果令

5、人滿意。其中，GA-MLR模型優(yōu)于ACO-MLR模型，GA-SVM模型優(yōu)于ACO-SVM模型，GA-MLR模型和GA-SVM模型的R2達(dá)到0.9左右，表明GA篩選出了對(duì)粘度有較大影響的特征結(jié)構(gòu)。
　　(3)采用相似的方法對(duì)有機(jī)物的熱容進(jìn)行了QSPR研究，結(jié)果如下:ISODATA算法將650種化合物分成16類，520種化合物作為訓(xùn)練集。由GA和ACO均獲得5個(gè)特征描述符，且獲得了一個(gè)對(duì)熱容貢獻(xiàn)度最大的相同特征描述符即S1K，該描述符

6、主要反映雜化原子以及雜化狀態(tài)對(duì)分子形狀的影響程度。所建熱容預(yù)測(cè)模型非常優(yōu)秀，其R2均在0.90以上。通過(guò)模型的比較發(fā)現(xiàn)，GA-MLR模型優(yōu)于ACO-MLR模型，GA-SVM模型優(yōu)于ACO-SVM模型，GA-MLR模型和GA-SVM模型的R2達(dá)到0.95以上，預(yù)測(cè)結(jié)果非常滿意。
　　(4)同樣地，對(duì)有機(jī)物熱導(dǎo)率進(jìn)行了QSPR研究。結(jié)果為:ISODATA算法將178種化合物分成10類，142種化合物作為訓(xùn)練集。GA篩選出的特征描述符主

7、要反映分子中氟原子的數(shù)目、分子的極化率、原子對(duì)以及整個(gè)分子中的電荷轉(zhuǎn)換、原子范德華體積大小等，以特征描述符作為輸入?yún)?shù)，建立了GA-MLR和GA-SVM模型，其預(yù)測(cè)結(jié)果比較令人滿意，R2均在0.70以上，且后者優(yōu)于前者，說(shuō)明SVM是一種可以快速、有效、準(zhǔn)確預(yù)測(cè)有機(jī)物熱導(dǎo)率的工具。
　　(5)對(duì)有機(jī)物自燃點(diǎn)進(jìn)行QSPR研究結(jié)果如下:ISODATA算法將265種化合物分成5類，212種化合物作為訓(xùn)練集。由GA獲得的特征描述符主要反映分