基于遗传-支持向量机和遗传-径向基神经网络的有机物正辛醇-水分配系数QSPR研究

基于遗传算法（GA）的因子筛选和支持向量机（SVM）的非线性回归，提出了1种改进的有机物定量结构-性质相关（QSPR）建模方法——遗传-支持向量机（GA-SVM），并将其用于38种食品工业常用有机物正辛醇-水分配系数(kow)的QSPR建模.结果显示，QSPR模型选取了分子量、Hansen极性、沸点、含氧率和含氢率5种参数；模型的预测值与实测值间的误差平方和（SSE）、均方差（RMSE）和决定系数（r2）分别为0.048、0.036和0.999，表明模型具有较强的预测能力；同时，交叉验证的结果（SSE=0.295，RMSE=0.089，R2=0.995）也表明，模型具有良好的稳健性，因此，GA-SVM算法适用于对有机物正辛醇-水分配系数的QSPR建模.此外，将基于GA-SVM的QSPR模型分别与基于遗传-径向基神经网络（GA-RBFNN）和基于线性算法的模型进行了比较，结果表明，应用GA-SVM建立的QSPR模型无论从稳健性还是预测能力上都优于应用其它2种算法建立的模型，因此，GA-SVM算法比GA-RBFNN和线性算法更适合于对有机物正辛醇-水分配系数进行QSPR建模