收藏本站
《东北师范大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

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

高婷  
【摘要】: 分子吸收能可以表征分子的内在结构信息和电子性质,是分子的一个重要物理属性。因此,精确地预测吸收能是计算化学领域的一个重要问题。量子化学是研究分子微观结构、性质和分子间相互作用的基础学科,在近20年中,量子化学的基础理论和计算方法取得了显著进展。量子化学计算的一大优势在于它可以先于实验来预测物质的性质或实验上至今无法测得的一些物理量及无法观测到的反应过程。量子化学计算在解释和预测中小分子的实验结果上显示出巨大优势,但由于计算方法固有的近似使得误差不可避免,尤其是对于结构不规整的复杂大分子,计算误差更大。在近10年里,许多统计校正方法被用于提高量子化学的计算精度。其步骤是先用量子化学方法计算分子的相关物理参数,然后用统计方法来确定理论计算和实验值的数量关系,这些方法主要包括:多元线性回归和人工神经网络等。 本论文针对160个有机小分子体系,用人工神经网络和支持向量机等方法来校正量子化学方法计算的结果,提高了量子化学计算吸收能的精度。在简单的物理参数下,组合型计算方法能够减小理论计算因忽略电子相关效应和使用小基组所带来的系统误差,为准确、快捷地预测分子性质提供了一种新的研究手段。 研究工作主要包括如下几个部分: 1、量子化学方法计算有机小分子的紫外可见吸收光谱,用遗传算法优化BP神经网络(GABP)来提高有机小分子吸收能的计算精度。GABP1分别校正了三种量子化学计算方法:B3LYP/6-31G(d),B3LYP/STO-3G和ZINDO,校正前三种方法得到的均方根误差分别是0.32,0.95和0.46 eV,校正后均方根误差降低到了0.14,0.19和0.18 eV。其中,B3LYP/6-31G(d)-GABP1计算结果误差较小,基本与实验值吻合。 2、GABP2用于确定B3LYP/6-31G(d)-GABP1计算值和低水平理论计算方法之间的数量关系,例如B3LYP/STO-3G和ZINDO。GABP2校正B3LYP/STO-3G和ZINDO后误差的均方根降低到了0.20和0.19 eV。比较两次校正结果,我们可以验证GABP方法的有效性和可行性。显然,B3LYP/6-31G(d)-GABP1可以有效的提高有机小分子吸收能的精度,并且在实验结果不可获得或者不可得到的情况下,B3LYP/6-31G(d)-GABP1的校正值可以看做是实验的近似值。 3、B3LYP/6-31G(d)-GABP方法可以分析较大分子的吸收能,当大分子缺少实验值或者无法获得较高精度理论值的时候,它可能成为一个预测实验值的有效的理论计算工具。 4、根据所选数据集来增加物理参数,然后用多元线性回归来筛选物理参数。 5、引入最小二乘支持向量机来提高密度泛函理论计算值。最小二乘支持向量机校正后的误差由0.32 eV降低到了0.11 eV。相比多元线性回归来说,最小二乘支持向量机有更好的适应能力和校正效果。在无法获得实验值或无法得到精度较高的量子化学计算结果的时候,最小二乘支持向量机校正B3LYP/6-31G(d)的方法可以有效的预测分子的吸收能。最小二乘支持向量机扩展了B3LYP/6-31G(d)的真实性和实用性。
【学位授予单位】:东北师范大学
【学位级别】:博士
【学位授予年份】:2009
【分类号】:O621.13

【参考文献】
中国期刊全文数据库 前6条
1 ;Online LS-SVM for function estimation and classification[J];Journal of University of Science and Technology Beijing(English Edition);2003年05期
2 ;Quantitative Analysis of Berberine in Processed Coptis by Near-Infrared Diffuse Reflectance Spectroscopy[J];Chemical Research in Chinese Universities;2008年06期
3 朱向荣;李娜;史新元;乔延江;张卓勇;;支持向量机与紫外光谱法用于鉴别清开灵注射液六混中间体[J];光谱学与光谱分析;2008年07期
4 崔万照,朱长纯,保文星,刘君华;混沌时间序列的支持向量机预测[J];物理学报;2004年10期
5 崔万照,朱长纯,保文星,刘君华;基于模糊模型支持向量机的混沌时间序列预测[J];物理学报;2005年07期
6 赵晖;荣莉莉;;支持向量机组合分类及其在文本分类中的应用[J];小型微型计算机系统;2005年10期
【共引文献】
中国期刊全文数据库 前10条
1 庄振华;王年;李学俊;梁栋;王继;;癌症基因表达数据的熵度量分类方法[J];安徽大学学报(自然科学版);2010年02期
2 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
3 任向辉;王运兵;崔建新;李嘉;李松伟;;色板对葱蓟马诱捕量的BP神经网络模型预测[J];安徽农业科学;2009年31期
4 华常春;高桂枝;;京杭大运河扬州段水污染研究[J];安徽农业科学;2010年27期
5 王瑞梅;傅泽田;何有缘;;基于神经网络的模糊系统池塘淡水养殖溶解氧预测模型[J];安徽农业科学;2010年33期
6 贺艳辉;袁永明;张红燕;龚贇翀;王红卫;;BP人工神经网络在罗非鱼价格预测中的应用[J];安徽农业科学;2010年35期
7 储茂得;周松林;;基于小波分析与神经网络的风电场短期风速预测[J];安徽科技学院学报;2011年01期
8 王冬菊;;智能优化算法在复杂模型寻优中的研究[J];安庆师范学院学报(自然科学版);2010年04期
9 高闯;王立东;周世宇;;基于支持矢量机的宫颈细胞分类[J];辽宁科技大学学报;2009年03期
10 张志红;;基于随机初始中心的FCM算法及其应用[J];安徽水利水电职业技术学院学报;2008年01期
中国重要会议论文全文数据库 前10条
1 赵延林;安伟光;;复合土钉支护基坑内部整体稳定可靠性分析[A];中国计算力学大会'2010(CCCM2010)暨第八届南方计算力学学术会议(SCCM8)论文集[C];2010年
2 ;Fuzzy Support Vector Machines Based on Fuzzy Similarity Degree[A];Proceedings of the 5th International Symposium on Test and Measurement(Volume 1)[C];2003年
3 ;Ultrasonic Flaw Classification in Seafloor Petroleum Transferring Pipeline through Chaotic Optimization and Support Vector Machine[A];Proceedings of 6th International Symposium on Test and Measurement(Volume 1)[C];2005年
4 ;Compensated Algorithm of Sensor Characteristic Based on Support Vector Machine[A];Proceedings of 6th International Symposium on Test and Measurement(Volume 4)[C];2005年
5 ;The Support Vector Machine Technique for Concrete Adherence Strength Prediction[A];Proceedings of 6th International Symposium on Test and Measurement(Volume 5)[C];2005年
6 ;Method for Feature Selection in SAR ATR Systems[A];Proceedings of 6th International Symposium on Test and Measurement(Volume 6)[C];2005年
7 ;GA-SVM Wrapper for Feature Selection[A];Proceedings of 6th International Symposium on Test and Measurement(Volume 9)[C];2005年
8 ;Adaptive sliding mode control strategy for uncertain chaotic systems via support vector machine[A];第七届国际测试技术研讨会论文集[C];2007年
9 ;Control of nonlinear dynamical systems using wavelet support vector machines[A];第七届国际测试技术研讨会论文集[C];2007年
10 ;Application of Decision Tree SVMs Based on Class Distribution to Mental Tasks Recognition[A];第七届国际测试技术研讨会论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 魏洪源;原子分子在δ-Pu上的吸附、离解与扩散过程研究[D];中国工程物理研究院;2010年
2 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
3 于化龙;基于DNA微阵列数据的癌症分类技术研究[D];哈尔滨工程大学;2010年
4 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
5 陈启文;双鸭山矿区煤的自燃特性及预防技术基础研究[D];辽宁工程技术大学;2009年
6 王雪峰;煤活性基团与Ca~(2+)形成配合物的结构与表征[D];辽宁工程技术大学;2009年
7 柏坚;非线性数学地质模型研究及在滇东南金矿成矿预测中的应用[D];中国地质大学(北京);2010年
8 姚志明;基于步态触觉信息的身份识别研究[D];中国科学技术大学;2010年
9 章鹏;多尺度特征检测:方法和应用研究[D];中国科学技术大学;2010年
10 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
中国硕士学位论文全文数据库 前10条
1 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
2 王永;消防单兵综合信息采集系统研究[D];山东科技大学;2010年
3 邢著荣;基于辐射传输模型和CHRIS数据反演春小麦LAI[D];山东科技大学;2010年
4 江达秀;基于HMAX模型的人脸表情识别研究[D];浙江理工大学;2010年
5 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年
6 孙东贞;多元缩合生成新型巴比妥酸盐衍生物反应机理的理论研究[D];郑州大学;2010年
7 陈松峰;利用PCA和AdaBoost建立基于贝叶斯的组合分类器[D];郑州大学;2010年
8 刘松;基于OCSVM和主动学习的DDOS攻击分布式检测系统[D];郑州大学;2010年
9 李鑫平;软件可靠性模型应用方法研究[D];哈尔滨工程大学;2010年
10 兰杰;海底管道防腐状态检测关键技术研究[D];大连理工大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 顾炜,翟东辉,张立明;对复杂混沌时间序列快速预测的前馈神经网络[J];复旦学报(自然科学版);1995年03期
2 曹进,徐燕,张永知,王义明,罗国安;清开灵注射液HPLC/ELSD指纹图谱建立及质量相关性研究[J];分析化学;2004年04期
3 高晓燕;李娜;范强;王耘;乔延江;;清开灵注射液生产过程中金银花提取液的在线质量控制方法研究[J];光谱学与光谱分析;2006年05期
4 邢飞;郭平;;基于小波降噪与支持向量机的恒星光谱识别研究[J];光谱学与光谱分析;2006年07期
5 朱永生,王成栋,张优云;二次损失函数支持向量机性能的研究[J];计算机学报;2003年08期
6 张捷莉,兴东杰,彭博,李学成,侯冬岩;反相高效液相色谱法测定清开灵中黄芩苷的含量[J];时珍国医国药;2005年05期
7 张家树,肖先赐;混沌时间序列的Volterra自适应预测[J];物理学报;2000年03期
8 张家树,肖先赐;用一种少参数非线性自适应滤波器自适应预测低维混沌时间序列[J];物理学报;2000年12期
9 张家树,肖先赐;用于混沌时间序列自适应预测的一种少参数二阶Volterra滤波器[J];物理学报;2001年07期
10 谭文,王耀南,周少武,刘祖润;混沌时间序列的模糊神经网络预测[J];物理学报;2003年04期
【相似文献】
中国期刊全文数据库 前10条
1 程海根;盛双福;张显昆;;基于遗传算法和BP神经网络的结构损伤识别[J];四川理工学院学报(自然科学版);2009年05期
2 胡胜利;钱旭;钟峰;;基于遗传算法和人工神经网络的煤层厚度预测[J];中国煤炭;2010年02期
3 马进红,李磊,林广平;基于进化CP神经网络的岩土本构模型辨识[J];西部探矿工程;2005年S1期
4 柏熙;林桂玲;李成文;陈于金;吴正茂;;基于神经网络和遗传算法的智能监控系统的数学建模[J];矿业安全与环保;2006年01期
5 骆志高;田海泉;仇学青;;遗传算法在故障诊断中的应用研究综述[J];煤矿机械;2006年01期
6 陈涛;杨凯凡;杨晓;;基于支持向量机的石油需求预测[J];河南科学;2008年12期
7 李文鑫;王武;张元敏;;遗传优化神经网络在孔系加工中应用研究[J];机械设计与制造;2009年04期
8 符东旭;熊小晋;;遗传算法和神经网络在跳汰状态识别中的应用[J];振动、测试与诊断;2007年02期
9 章立清;;基于遗传神经网络的煤层瓦斯含量预测[J];煤矿安全;2007年09期
10 吝伶艳;田慕琴;吕永卫;;基于遗传算法和神经网络相融合的异步电动机故障建模[J];煤矿机械;2007年08期
中国重要会议论文全文数据库 前10条
1 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
2 寇纪淞;徐博艺;刘刚;;用遗传算法训练前馈神经网络的权值[A];1994中国控制与决策学术年会论文集[C];1994年
3 唐琎;蔡自兴;谭立球;;用基于遗传算法的神经网络指导股市交易[A];1999年中国智能自动化学术会议论文集(下册)[C];1999年
4 安世奇;孙一康;王京;;基于遗传算法的神经网络简单自适应控制[A];2005中国控制与决策学术年会论文集(上)[C];2005年
5 李晔;;基于遗传算法和神经网络的二级倒立摆控制系统[A];第25届中国控制会议论文集(中册)[C];2006年
6 杨宝庆;刘国栋;;RoboCup中的截球策略研究[A];2007中国控制与决策学术年会论文集[C];2007年
7 王正志;张光铎;;模糊推理、神经网络和遗传算法的一种有机结合的框架和实现[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
8 赵峻;褚涛;王碧秋;;基于遗传神经网络的重介质密度预测控制[A];第十六届全国煤炭自动化学术年会、中国煤炭学会自动化专业委员会学术会议论文集[C];2006年
9 宗朝霞;汤宏胜;贺曼;葛忠学;来蔚鹏;李华;;基于遗传算法的支持向量机预测含能材料密度的研究[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
10 王军;钟志军;黄心汉;;两轮小车避障控制的仿真研究[A];1996中国控制与决策学术年会论文集[C];1996年
中国重要报纸全文数据库 前10条
1 田红 记者 胥茜;论文无创新 一票能否决[N];中国教育报;2005年
2 王握文周珞晶 吴丹;11篇全国优秀博士学位论文的启示[N];科技日报;2008年
3 记者 欧阳春艳;全国百篇优秀博士学位论文评选揭晓[N];长江日报;2005年
4 本报特约通讯员  汤宏;播撒创新的种子[N];解放军报;2006年
5 学位办;研究生院奖励优秀博士学位论文[N];中国社会科学院院报;2008年
6 徐宜军;哈工大博士学位论文实行匿名评议制度[N];新华每日电讯;2005年
7 周玲玲;2007年全国优秀博士学位论文评选结果公布[N];中国教育报;2007年
8 王曼;充分利用院图书馆特色文献信息资源[N];中国社会科学院院报;2005年
9 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
10 记者 王坤宁;国图馆藏博士学位论文陆续结集[N];中国新闻出版报;2007年
中国博士学位论文全文数据库 前10条
1 高婷;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[D];东北师范大学;2009年
2 李辉;提高密度泛函理论方法计算吸收能的精度:神经网络和遗传算法[D];东北师范大学;2009年
3 吴令;基于GA-NN和不可逆热力学的钢中氧化物夹杂预报模型[D];东北大学 ;2009年
4 杨实俊;可持续发展约束下小型火电厂危机管理研究[D];华北电力大学(河北);2008年
5 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年
6 吕瑞华;复杂经济系统混沌预测方法与多层局势决策方法研究[D];天津大学;2004年
7 焦嵩鸣;计算智能及其在热工系统中的应用研究[D];华北电力大学(河北);2007年
8 佟伟民;股指期货交易中操纵行为识别方法研究[D];哈尔滨工业大学;2008年
9 方善锋;数据挖掘方法在高导电高弹性铜合金及其它金属材料中的应用[D];中南大学;2009年
10 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
中国硕士学位论文全文数据库 前10条
1 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
2 付阳;支持向量机并行训练算法与基于遗传算法的参数优化研究[D];南昌大学;2010年
3 李亚斐;基于计算智能的工程项目估算分析[D];长春工业大学;2010年
4 王佳;智能算法在碳纤维布加固钢筋混凝土梁承载力预测中的应用研究[D];西安理工大学;2010年
5 杨大春;基于遗传算法优化BP神经网络的行为识别[D];辽宁科技大学;2012年
6 陆有忠;进化支持向量机及其在岩体边坡中的应用[D];宁夏大学;2004年
7 陈郁;遗传神经网络在模拟电路故障诊断中的应用[D];长春理工大学;2009年
8 黄嘉亮;基于遗传算法的小波支持向量机模型及其应用[D];汕头大学;2008年
9 刘庆彪;基于结构风险最小化的电价预测新方法研究[D];华中科技大学;2007年
10 刘俊华;基于神经网络和遗传算法的语音识别方法研究[D];湖南大学;2005年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026