收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于QPSO优化的聚合物玻璃化转变温度的支持向量回归研究

裴军芳  
【摘要】:玻璃化转变温度(T_g)是非晶态聚合物的一个重要的物理性质,是涉及动力学和热力学的众多前沿问题之一,也是凝聚态物理基础理论中的一个重要问题和难题。由于玻璃态是一种热力学上的非平衡态,玻璃化转变并不是发生在某一突变点,而是一个转变温区,且这种转变温度容易受实验条件,如实验持续的时间、压强等的影响,所以用不同的实验方法来测量高分子的玻璃化转变温度往往存在不同程度的偏差(有时高达10K以上)。聚合物的分子结构决定了其物理/化学性能,其结构与性能之间关系复杂。研究和认识它们之间的规律性,对于准确预测聚合物的性能具有十分重要的意义。 本论文采用多种传统和现代的数据回归理论与方法,针对不同类聚合物材料的结构与Tg之间的关系进行了建模/预测研究。重点是结合量子粒子群优化(QPSO)算法和支持向量回归(SVR)建模理论,对聚甲基丙烯酸酯类聚合物、乙烯基聚合物、苯乙烯聚合物和聚丙烯酰胺类聚合物的Tg进行了建模研究。具体研究内容如下: (1)基于Gaussion03程序,用DFT/B3LYP方法优化计算的聚甲基丙烯酸酯类结构单元的6个量子化学参数(侧链长度(L),分子总能量(Etot),C6原子的净电荷(qC6),分子中原子最大负净电荷(q-),热力学内能(Etherm)和分子平均极化率(α)),应用QPSO-SVR方法预测其T_g,预测结果与文献报道的多元线性回归(MLR)和人工神经网络(ANN)模型预测结果进行了对比。结果表明,在相同的25个训练样本和7个测试样本集下,QSPO优化的SVR模型预测的均方根误差(RMSE),平均绝对误差(MAE),平均绝对百分误差(MAPE)和相关系数(R~2)都要优于MLR和ANN的预测结果。此外,为了进一步检验SVR模型的预测效果,用已建立的SVR模型对5个独立样本的玻璃化转变温度进行了预测,统计结果显示,MAE达到6.8K,表明所建立的SVR模型可以用于预测具有相似结构的聚甲基丙烯酸甲酯类聚合物的Tg。最后,为了更进一步的检验SVR回归模型的预测能力及可信度,本文还将全部37个样本根据K最近邻(KNN)分类算法,按照50%、25%和25%比例分别划分训练样本、测试样本和独立样本。重建的SVR模型对测试样本和独立样本预测的MAEs分别为7.44K和8.0K,结果表明,训练样本个数越多,SVR预测和泛化性能越好;SVR能有效地处理小样本建模回归问题。 (2)基于分子中原子最负电荷(q-),分子平均极化率(α)、拓扑描述符(n,R~(OM)),提出并利用S-SAR及PSO-SVR,对202个乙烯基聚合物Tg进行了建模和预测研究,预测结果与ANN的预测结果进行了比较。结果表明,基于相同的训练样本和测试样本,QPSO-SVR拟合/预测能力(RMSE=18.55K,R~2=0.9253)优于传统的S-SAR(RMSE=22.02K,R~2=0.8952)和ANN(RMSE=20.195K,R~2=0.9120)方法,其预测准确率更高、预测效果更好。为了进一步检验SVR模型的预测效果,我们在乙烯基聚合物124组训练样本和68组测试样本的基础上,对10组具有相似结构的乙烯基聚合物独立样本的T_g进行了预测研究,结果显示,SVR模型对T_g的预测值与实验值的MAE、MAPE和R~2分别达到14.132K,4.25%和0.9475。表明SVR可以有效预测具有相似结构的乙烯基聚合物的T_g. (3)基于DFT/B3LYP方法优化计算的苯乙烯共聚物的3个量子化学参数(等体积比热容Cv,分子平均极化率α和氢原子上的最大正电荷数q~+),利用SVR方法对48个苯乙烯类聚合物T_g进行了建模/预测,并在已建立的SVR模型的基础上,对其结构参数进行了灵敏度分析。SVR模型对于训练样本和测试样本的MAE分别达到1.60K和3.03K,优于文献报道的QSPR模型的5.47K和5.38K。灵敏度分析结果表明,影响苯乙烯共聚物T_g的主要因素依次为Cv(平均灵敏度为0.014514),其次是α(平均灵敏度为0.01305)和氢q~+(平均灵敏度为0.008235)。该结果与t-检验结果一致,表明灵敏度指标能够有效地揭示各量子化学参数对聚合物T_g的影响大小。 基于QPSO优化的SVR模型的预测精度优于多元线性回归、人工神经网络等回归方法,且泛化能力也比它们要强。QPSO-SVR建模/预测方法为人工设计/合成具有理想T_g的同类聚合物分子提供了一条崭新的思路和研究方法,可为计算机辅助人工设计/合成新型高分子材料提供科学预测和理论指导。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张好治;崔文善;王忠锐;闫信洲;;支持向量回归算法的研究[J];莱阳农学院学报(自然科学版);2006年03期
2 唐阔;胡国圣;车喜龙;胡亮;;基于遗传算法优化支持向量回归机的网格负载预测模型[J];吉林大学学报(理学版);2010年02期
3 张伟峰;;基于支持向量回归的光谱反射率重建方法[J];计算机科学;2010年12期
4 张钢;何小敏;张小波;黄永慧;;统计学习算法在高校教学质量评估中的应用研究[J];电子科技大学学报(社科版);2008年04期
5 蒋辉;;基于MGM(1,n)模型的多元核支持向量回归预测[J];数学的实践与认识;2011年09期
6 肖健华;林健;刘晋;;基于SVR的区域经济短期预测模型[J];系统仿真学报;2005年12期
7 肖健华;林健;刘晋;;区域经济中长期预测的支持向量回归方法[J];系统工程理论与实践;2006年04期
8 林溯;;基于支持向量回归的旅游客流量预测[J];科技信息(学术版);2006年12期
9 俞青芬;;用支持向量回归方法预测多氯代二苯并-对-二恶英的正辛醇/水分配系数[J];河北师范大学学报(自然科学版);2010年04期
10 肖健华;;中国科技园区经济发展智能预测[J];计算机工程;2006年07期
11 杨玮龙;杨琦龙;;基于支持向量回归的供应链管理绩效评价研究[J];价值工程;2006年09期
12 郝继升;;基于支持向量回归机和B样条网络回归曲线建模算法[J];江西科学;2007年01期
13 郝继升;;一种建立回归曲线模型的新算法[J];河南科学;2007年02期
14 孙晋众;林健;;基于小波的能源消费弹性系数预测方法[J];沈阳航空工业学院学报;2007年03期
15 谢波;刘连旺;;支持向量机在GPS高程异常中的应用[J];测绘科学;2011年01期
16 黄远兵;蔡启明;杨玮龙;黄燕美;;基于支持向量回归的服务备件需求量预测研究[J];物流科技;2006年10期
17 方瑞明;;基于聚类和支持向量回归的短期负荷预测方法[J];东华理工学院学报;2007年04期
18 刘解放;高普梅;姚树文;;连续小波变化-支持向量回归模型及其在谷物近红外光谱分析中的应用(英文)[J];西南民族大学学报(自然科学版);2008年05期
19 赵卫;刘济科;;基于支持向量回归的迭代序列响应面可靠度计算方法[J];机械强度;2008年06期
20 蔡从中;庄魏萍;温玉锋;朱星键;裴军芳;肖婷婷;;基于拓扑结构的碱金属化合物摩尔磁化率的支持向量回归研究[J];物理学报;2009年S1期
中国重要会议论文全文数据库 前10条
1 彭姝迪;林静玉;周渠;李孟励;;加权支持向量回归机在传感阵列模式识别中的应用[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
2 陈懿冰;张玲玲;石勇;;基于改进的支持向量回归机的金融时序预测[A];第六届(2011)中国管理学年会论文摘要集[C];2011年
3 邓小英;杨顶辉;关昕;;基于支持向量回归的随机噪声消减和零漂去除[A];中国地球物理·2009[C];2009年
4 郭志明;赵春江;陈立平;黄文倩;;基于GA-LSSVR的烟草尼古丁含量的近红外光谱分析[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
5 吴德会;;非线性动态系统的SVR辨识法[A];第二十六届中国控制会议论文集[C];2007年
6 尹焕平;孙宗海;;基于自然梯度的支持向量回归在线算法[A];2009中国控制与决策会议论文集(3)[C];2009年
7 林关成;李亚安;李国辉;;支持向量回归的连续过松弛训练算法研究[A];2010’中国西部声学学术交流会论文集[C];2010年
8 王玲;穆志纯;郭辉;;基于支持向量回归的增量建模方法[A];第25届中国控制会议论文集(上册)[C];2006年
9 杨慧中;邵信光;石晨曦;;一种改进的支持向量回归机启发式算法[A];2005中国控制与决策学术年会论文集(上)[C];2005年
10 严悦然;陆文聪;苏自伟;刘风琴;张良苗;陈念贻;;铝电解槽寿命预测的支持向量回归方法研究[A];2006年全国冶金物理化学学术会议论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 裴军芳;基于QPSO优化的聚合物玻璃化转变温度的支持向量回归研究[D];重庆大学;2012年
2 赵永平;支持向量回归机及其在智能航空发动机参数估计中的应用[D];南京航空航天大学;2009年
3 余艳芳;改进型支持向量回归机及其在过程建模与控制中的应用[D];华东理工大学;2010年
4 金瑶;基于支持向量回归机的无迹卡尔曼滤波设计与应用[D];中国地质大学;2013年
5 谭显胜;支持向量回归解释性体系的建立及应用[D];湖南农业大学;2010年
6 陈进东;基于模糊在线支持向量回归的建模与预测控制研究[D];江南大学;2013年
7 周金柱;电子装备结构因素对电性能影响的支持向量建模与补偿[D];西安电子科技大学;2011年
8 蒋辉;经济预测的灰色支持向量回归方法[D];中南大学;2010年
9 袁从贵;最小二乘支持向量回归及其在水质预测中的应用研究[D];广东工业大学;2012年
10 孙少超;数据校正和支持向量机的过失误差识别的研究[D];华东理工大学;2012年
中国硕士学位论文全文数据库 前10条
1 苗强;农民收入的粗糙支持向量回归与实证分析[D];安徽大学;2010年
2 阿磊;基于支持向量回归机的汇率预测[D];华东师范大学;2011年
3 王(山弄);支持向量回归在曲线拟合/重构中的应用[D];中国农业大学;2005年
4 陈金翠;最小二乘支持向量回归组合预测模型的应用[D];新疆大学;2010年
5 杨芳;基于支持向量回归(SVR)的材料热加工过程建模[D];上海交通大学;2010年
6 刘菊艳;基于数据挖掘技术的短期风速预测[D];西安科技大学;2010年
7 王刚;支持向量回归机在药品销售预测中的分析及应用[D];云南财经大学;2010年
8 陈超;基于支持向量回归的集成价格预测方法研究[D];吉林大学;2011年
9 朱星键;基于QPSO优化的功能薄膜物理性能的支持向量回归研究[D];重庆大学;2011年
10 李鹏超;基于模拟退火算法和支持向量回归的网格资源预测[D];吉林大学;2010年
中国重要报纸全文数据库 前10条
1 周连琪 编译;水涨船高[N];中国包装报;2006年
2 记者 冯卫东;美科学家制成聚合物纳米纤维反应器[N];科技日报;2009年
3 李莉;聚合物扩能工程平稳运行[N];黑龙江日报;2010年
4 赵俐;纤维脊梁上的创新[N];中国纺织报;2007年
5 周祺 译;黏土艺术:让设计随性而为[N];中国黄金报;2006年
6 通讯员 高俊敏;105%负荷保聚合物扩能[N];大庆日报;2010年
7 田丽君;巴斯夫又完成两大业务收购[N];中国化工报;2006年
8 顾永强;水射流技术进入聚驱领域[N];中国石化报;2007年
9 顾永强 解保双;水射流聚合物分散装置的特点[N];中国石油报;2006年
10 何木;亚洲聚合物生产蓄势待发[N];中国商报;2001年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978