基于基团贡献神经网络集成法估算有机物常压凝固点

基于基团贡献法应用人工神经网络对有机物的常压凝固点进行了估算，输入参数为有机物的基团数和表征异构体的参数，输出为常压凝固点.分析了采用最速梯度下降法的BP算法在训练过程中产生误差饱和情况的原因，采用在隐含层节点中加入误差饱和预防函数用来防止误差饱和情况的出现.仿真结果表明，所采用的方法能有效地减小网络在误差表面陷入低谷的可能性和提高网络的收敛速率.采用神经网络集成法建立了神经网络集成模型，通过仿真合理选择隐含层节点数和采用交叉验证法用于防止BP网络的过度训练，增强了网络的泛化能力.估算结果表明，所建立的神经网络集成模型，其网络有良好的稳定性和预测精度，207个样本估算的绝对平均相对误差为8.62%.