用Boosting算法预测多硝基芳香族化合物的密度

采用Boosting算法对多硝基芳香族化合物（PNACs）的密度进行预估。选用分子结构描述码作为输入特征参数。结果表明，PNACs的密度与其分子结构存在良好的相关性，与人工神经网络相比，Boosting算法对预测的准确性有显著提高，预测结果的相对误差都在8％以内。     

自适应梯度Boosting算法及多硝基芳香族化合物密度的主因子选择

用自适应梯度Boosting算法研究了影响多硝基芳香族化合物(PNACs)密度的主因子.选择分子结构描述码作影响特征参数,采用影响多硝基芳香族化合物密度的分子结构描述码,依据相关影响程度给出了相应分子结构描述码,预测密度值与文献值的相对误差在10%以内.     

用分子拓扑参数预估多硝基芳香族化合物的撞击感度

引入主成分回归研究了36种多硝基芳香族化合物(PNAC)分子的撞击感度。在DFT-B3LYP/6-311+G(d,p)水平上对这些炸药分子进行了分子优化和频率振动分析。结合炸药分子的拓扑结构参数和所得的量化结构参数,最终确定硝基个数、氨基个数、芳香性NICS(1)、最长C-NO2键键长、HOMO以及α-C-H(0、1)6个参数与撞击感度(lgH50)具有较好的相关性。以这6个参数作为主成分回归的输入参数构建模型,得到测试集的决定系数R2和交叉验证系数Radj2分别为0.97和0.89,优于由氧平衡指数确定的传统模型的0.91和0.33。得出主成分回归是一种研究撞击感度的有效方法。     

硝基芳香族化合物密度、爆速和撞击感度的量子化学及QSPR研究

运用Gaussian98等程序对32种描述符进行了计算,采用Cerius2程序包中的QSPR方法建立了硝基芳香族化合物密度、爆速和撞击感度与32种描述符之间的构效关系式,相关系数R分别为0.951、0.992和0.92,预测值与实验值之间的平均误差分别为1.92%、0.93%和5.10%;与Kamlet方法计算的爆速值相比,用QSPR方法计算的爆速值准确性较高.此外,还找到了影响硝基芳香族化合物密度、爆速和撞击感度的主要因素,以及可以同时使密度和爆速增大而撞击感度降低的因素.     

利用ANN法预估芳香族多硝基化合物的密度

运用神经网络模型,采用误差反向传播算法,对一系列芳香族多硝基化合物的密度进行了预测.结果表明,芳香族多硝基化合物的密度与其分子结构存在良好的相关性,选用分子结构描述码作为输入特征参数能取得较高的预估精度,预测结果的相对误差一般在±10%以内.     

芳香族化合物与硝基自由基速率常数的HQSAR研究

研究了硝基自由基与芳香族化合物的反应速率常数(pk(NO₃))的全息定量构效关系(HQSAR)模型。为了构建最优的HQSAR模型,将片段区分和片段大小的参数设置为A/B/C/CH/DA和1～4。通过采用外部测试集验证和留一交叉验证,来评估所开发模型的预测能力。两次验证表明,所开发的模型对于研究芳香族化合物与pk(NO₃)之间的定量关系是可行的。     

人工神经网络预测液体叠氮燃料密度

采用人工神经网络进行了液体叠氮燃料密度预测。通过将已知的特征分子结构编码作为输入参数,设计了神经网络代码,并得到了预测的密度数据。结果表明,密度预估值和文献值相比偏差为–1.8%~2.69%,人工神经网络对液体叠氮燃料的密度预测结果具有一定参考价值。     

芳香族化合物选择性烷基化的研究进展

多环芳香族化合物是一类非常重要的有机化合物 ,若能在芳环中进行选择性烷基化导入所需烷基侧链 ,则可以合成一系列功能性主链型芳香族聚合物。本文综述了国内外芳香族化合物选择性烷基化的研究进展 ,认为芳香族化合物的选择性烷基化是精细化学品化学的重要研究方向 ,指出了芳香族化合物选择性烷基化存在的问题和解决办法。     

神经网络在炸药晶体密度预测中的应用

运用密度泛函理论,在DFT-B3LYP/6-31G·的水平上对16种炸药分子进行全分子优化,并进行频率振动分析,分析了求得各个炸药分子量化结构参数,结果表明,平均极化率、平均四极矩和偶极矩与炸药密度有较好的相关性.结合人工神经网络算法,用以上3种参数作为描述符,构建炸药密度的网络预测模型.预测结果表明,预测值与文献值的最大相对误差为6.6%,最小相对误差为0.47%,说明神经网络可以用来预测炸药密度.     

用密度泛函理论研究多硝基吡嗪氮氧化物的结构和爆轰性能

在DFT-B3LYP(B3P86)/6-31+G**水平上优化了多硝基吡嗪氮氧化物的几何构型。用线性方程式H50=-23.16597+(73.60873×BDE/E)×104,计算了14种炸药的撞击感度,通过设计等键反应,计算了气相生成焓。用Monte-Carlo方法理论估算了标题化合物的密度,用Kamlet-Jacobs经验公式预测了爆速、爆压。结果表明,多硝基吡嗪环具有芳香性,所设计的系列硝基吡嗪类化合物的爆速在7.38～9.77km/s之间,是具有潜力的含能材料的候选物。     

A DSC Study of the Sensitization of some Dimethyl Substituted Polynitroaromatic Compounds by Sodium Benzoate

The decomposition temperatures of mixtures of sodium benzoate and 1,3-dimethyl-2,4,6-trinitrobenzene, 3,5′-dimethyl-2,2′,4,4′,6-pentanitrobiphenyl, and 3,3′-dimethyl-2,2′,4,4′,6,6′-hexanitrobiphenyl are lower than those for the corresponding nitrocompounds. The sensitizing effect of sodium benzoate is attributed to the formation of a benzyl-type anion; this anion arising from hydrogen abstraction by the base from a methyl group in the nitrocompound. At high mole ratio of base: nitrocompound, the thermograms for mixtures containing a nitrocompound with the biphenyl moiety are explained in terms of the presence of a benzyl-type dianion.     

乙醇－丙酮体系液体密度的测定和预测

使用ＤＭＡ５５型精密密度计和ＤＭＡ５１２型高压外测量池，测定了乙醇－丙酮体系在温度范围为２８８．１５至３１８．１５Ｋ和压力从常压至１９．５ＭＰａ下的液体密度，并根据密度数据计算了体系的过量体积。应用三重随机局部组成密度模型，预测了该体系在不同压力下的密度和过量体积，取得令人满意的结果。     

补强NBR硫化胶的性能预测

建立数学模型研究高耐磨炭黑/白炭黑和偶联剂用量对NBR胶料性能的影响.结果表明,白炭黑等量替代高耐磨炭黑时,随白炭黑用量增加,胶料的物理性能呈现出劣化趋势,偶联剂Si69对白炭黑的改性效果非常明显;建立的数学模型能较好地拟合高耐磨炭黑/白炭黑和偶联剂用量与胶料各项性能之间的关系.     

生物催化制备手性化合物技术进展

综述了单一对映体手性化合物的制备方法和生物催化制备手性化合物的研究进展。已经工业化应用的生物催化技术有水解酶催化和不对称生物催化氧化,可生产的产品包括(S)-氰醇、(S)-1-苯乙胺和6-羟基烟酸等。对生物催化制备手性化合物工业应用中存在的一些问题进行了讨论。     

混炼胶门尼粘度的预测

使用微机控制系统,采集混炼过程的功率、填充系数等参数,建立数学模型,实现了对混炼胶粘度的预测。其预测结果与实测值比较平均差为１．３６个门尼值,预测值和实测值之间的平均相对误差为２．３６％,此外经过检验,证实笔者所建的预测模型是较稳定的,因此具有实用价值。