%0 Journal Article
%T Bayesian Regularized BP Neural Network Model for Quantitative Relationship Between the Electrochemical Reduction Potential and Molecular Structures of Chlorinated Aromatic Compounds<br>氯代芳香族化合物结构电化学还原电位定量关系的贝叶斯规整化BP神经网络模型
%A SUN Wei
%A ZENG Guang-ming
%A WEI Wan-zhi
%A HUANG Guo-he
%A <br>孙伟
%A 曾光明
%A 魏万之
%A 黄国和
%J 环境科学
%D 2005
%I 
%X 将贝叶斯规整化误差反向传播神经网络(BRBPNN)应用于环境领域的 QSPR模型.采用ChemOffice2004内置的MOPAC 2000计算了6种量子化学参数(分子最高占据能EHOMO、分子最低占据能ELUMO、分子生成热HF、分子偶极矩DIP、分子的电子能量EE和分子的核核排斥能CCR)以及氯原子数(Cl)和分子量(MW),建立了87种氯代芳香族化合物结构与电化学还原电位定量关系的BRBPNN模型.最优网络模型结构为6-20-1,其电化学还原电位的拟合及预测能力明显优于逐步线性回归模型,其训练集和预测集的相关系数平方和均方根误差(MSE)分别达到0.999和0.000105,0.965和 0.00159.最优模型输入节点到隐含层权重平方和的分布规律揭示出各种描述符对还原电位的影响大小依次为: ELUMO>EHOMO>HF>CCR>EE>DIP.由散点图揭示出影响为正有EE;影响为负有ELUMO,HF,DIP;影响无明显正负性的有ELUMO,CCR.结果表明,贝叶斯规整化大大方便了网络规整化参数选择,保证了网络的优良概括能力和稳健性.本研究对氯代芳香族化合物采用电化学处理的适用性以及分析相应电化学降解机理提供了依据.
%K chlorinated aromatic compounds
%K QSPR
%K electric potential
%K Bayesian regularized neural model
%K sum of square weights<br>氯代芳香族化合物
%K QSPR
%K 还原电位
%K 贝叶斯规整化神经网络
%K 权重平方和
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=3ff3aba7486768130c3ff830376f43b398e0c97f0ff2dd53&cid=a7ca601309f5fed03c078bce383971dc&jid=64cd0aa99dd39f69401c615b85f123ef&aid=da40e0635ef2065d&yid=2dd7160c83d0aced&vid=96c778ee049ee47d&iid=0b39a22176ce99fb&sid=659d3b06ebf534a7&eid=db817633aa4f79b9&journal_id=0250-3301&journal_name=环境科学&referenced_num=6&reference_num=15