基于多元线性回归和反向传播人工神经网络预测离子液体的声速

季常征; 万仁; 时兆翀; 彭昌军; 刘洪来

doi:10.14135/j.cnki.1006-3080.20240417001

华东理工大学学报（自然科学版） ›› 2025, Vol. 51 ›› Issue (02) : 158 -165. DOI: 10.14135/j.cnki.1006-3080.20240417001

基于多元线性回归和反向传播人工神经网络预测离子液体的声速

季常征, 万仁, 时兆翀, 彭昌军, 刘洪来

作者信息 +

Author information +

文章历史 +

PDF

摘要

离子液体的声速可采用实验测定、半经验模型和理论研究方法获得，其中，定量结构-性质关系（QSPR）模型已受到广泛关注，但构造一个有效的QSPR模型取决于选择合适的分子描述符。本文采用片段活度系数类导体屏蔽模型（COSMO-SAC）获得离子液体电荷密度分布片段面积（S_σ）和空穴体积(V_COSMO)两个描述符，并分别采用多元线性回归（MLR）和反向传播人工神经网络（BP-ANN）构建了用于描述离子液体声速的线性QSPR模型u-MLR和非线性QSPR模型u-ANN，模型中包含了温度和离子液体相对分子量，所涉及的数据集包括171种离子液体的5 114个数据点。在总的离子液体声速数据集中，u-MLR和u-ANN的决定系数（R²）分别为0.970 6和0.999 5，平均绝对相对偏差（AARD）分别为1.59%和0.10%，均方根误差（RMSE）分别为30.68 m/s和4.12 m/s。结果表明，基于人工神经网络建立的u-ANN模型的预测效果明显优于基于线性回归方法建立的u-MLR模型的预测效果。