混合神经网络下二元混合液体自燃温度研究

摘要

为解决传统实验方法测量二元混合液体自燃温度所面临的时间和安全问题，本文提出了一种运用神经网络优化定量结构-性质关系（QSPR）预测模型的方法。首先，分别使用BP神经网络（BPNN）和一维卷积神经网络（1DCNN）处理混合分子描述符数据。然后，采用卷积神经网络（CNN）处理分子结构图数据，以此建立BPNN+CNN和1DCNN+CNN两种预测模型。通过交叉验证、残差分析和应用域分析等多种方法对两种模型的预测能力、拟合能力和稳定性进行了验证。最后，讨论了4种优化器和不同维度的分子结构图对模型性能的影响。通过实验可知，两种模型的决定系数分别为0.989 8和0.987 1;10折交叉验证复相关系数分别为0.961 1和0.963 3；交互验证系数分别为0.982 6和0.992 5。结果表明，两种模型均可对大多数二元混合液体自燃温度进行预测，其中，BPNN+CNN模型有较好的拟合能力，1DCNN+CNN模型有较好的稳定性。

关键词

二元混合液体 / 自燃温度 / 神经网络 / QSPR / 分子描述符