化学计量学方法用于重整汽油近红外光谱的数据处理和西红花分子的构效关系研究

【摘要】： 本论文的第一部分是运用化学计量学方法对重整汽油的近红外光谱数据进行处理，建立校正模型，用于预测重整汽油的馏程和辛烷值。首次讨论了稳健偏最小二乘法(RPLS)和小波变换-神经网络方法(WT-ANN)用于建立近红外光谱校正模型，计算和预测重整汽油的馏程和辛烷值，预测结果均优于现今应用较广泛多元线性回归(MLR)和偏最小二乘(PLS)模型。 将稳健偏最小二乘法(RPLS)用于重整汽油近红外光谱的数据处理，校正重整汽油的馏程和辛烷值，关键步骤在于确定灵敏度初值，初值确定以后，就能够去除奇异点，并能得到优值的较好的校正结果，几次微调灵敏度初值，还能了解被去除样本的奇异情况。校正结果与标准方法测定结果的标准偏差均小于0.0349。稳健偏最小二乘方法不仅能很有效的去除近红外光谱数据中的奇异点，而且快速、稳健、精度高、重现性好，为近红外光谱法测定油品馏程和辛烷值提供了一种有效的校正方法。 应用小波变换-神经网络方法(WT-ANN)对重整汽油的近红外光谱数据进行处理，预测重整汽油的馏程及辛烷值。选取haar小波函数进行3尺度的小波变换；以小波系数的方差矢量大小作为变量筛选的依据，使变量个数由37个减少到3或4个，筛选出的变量作为GPFN网络的输入；用广义GRLS算法来训练GPFN的隐层到输出层的线性网络，利用一种自适应的梯度下降方法来选择(S，C)参数。预测结果表明，WT-ANN方法能够较好的预测重整汽油的馏程及辛烷值，与现今成熟的MLR和PLS方法相比，给出了更准确的预测结果。WT-ANN作 四川大学硕士学位论文 为一种新兴起的方法，目前在文献中还没有发现。 本论文第二部分主要是对西红花分子的结构一活性关系研究，尝试对于大分 子西红花贰和西红花酸采用PM3方法计算，对于较小的西红花苦贰和西红花醛 分子采用从头算方法高基组进行计算，分析结构一活性关系，与实验结果符合得 较好。 采用半经验PM3方法对西红花贰和西红花酸分子进行量子化学计算，分析 西红花贰和西红花酸分子生成热，键级，偶极矩，势能面等结构参数与分子活 性的关系，推断其易断裂键、活性位及构象稳定性，其结果在总体趋势上和现 有实验结果符合得较好。用从头算方法，选用较高的基组6一31G，对较小的西红 花试和西红花醛分子作了构型优化，频率和性质计算，结合集居数，前线分子 轨道能量，电荷分布和势能面讨论了西红花苦贰的稳定性和热解机理，分析了 西红花苦试和西红花醛系列化合物的定量活性构效关系，并从Gaussian98的从 头算结果反推，得到了优化的最优3D构象。说明量子化学计算方法能很好的用 于天然药物分子计算，分析结构一活性关系，为进一步药物设计研究提供理论基 础和依据。