利用量子化学特征的模糊人工神经网络预测咪唑啉衍生物缓蚀效率

论文摘要

针对咪唑啉衍生物的量子化学特征参数与缓蚀效率存在复杂非线性关系,在利用多因素方差分析判断其相关性的基础上建立以最高占据轨道能量、最低未占据轨道能量、分子偶极矩、单点能、硬度、软度、亲核进攻指数、亲电进攻指数、电子转移参数以及咪唑环上非氢原子静电荷之和等量子化学特征参数为输入,以缓蚀效率为输出的模糊人工神经网络。结果表明,咪唑啉衍生物的量子化学特征参数及其缓蚀效率之间具有非常显著的相关性,据此所创建的Takagi-Sugeno型模糊人工神经网络预测模型采用10-30-1网络结构,通过Momentum优化算法对其进行反复训练直至其均方误差小于容许收敛误差限0.005,训练、测试阶段模型输出值与期望值近似呈线性关系,决定系数为0.9999,关联度较高,验证阶段该模型亦表现出良好的可靠性。因此利用量子化学特征的模糊人工神经网络预测模型能够准确预测不同咪唑啉系列衍生物的缓蚀效率。

论文目录

• 1 实验材料及方法
•   1.1 材料
•   1.2 咪唑啉衍生物缓蚀效率的测定
•   1.3 咪唑啉衍生物量子化学特征参数的计算
•   1.4 咪唑啉衍生物量子化学特征参数与缓蚀效率的相关性判断
•   1.5 模糊人工神经网络预测模型的建立
• 2 实验结果与讨论
•   2.1 咪唑啉衍生物的缓蚀效率
•   2.2 咪唑啉衍生物的量子化学特征参数
•   2.3 咪唑啉衍生物量子化学特征参数与缓蚀效率的相关性
•   2.4 模糊人工神经网络的结构
•   2.5 模糊人工神经网络的训练与测试
•   2.6 模糊人工神经网络的验证
• 3 结论
• 符号说明

文章来源

类型: 期刊论文

作者: 范峥,刘钊,井晓燕,姬盼盼,赵辉,康建

关键词: 咪唑啉衍生物,计算机模拟,量子化学,缓蚀效率,神经网络

来源: 化工进展 2019年04期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 石油天然气工业,自动化技术

单位: 西安石油大学化学化工学院,中国石油抚顺石化公司石油三厂

基金: 陕西省科学技术研究与发展计划(2016GY-150),西安石油大学研究生创新与实践能力培养项目(YCS17211020)

分类号: TP183;TE37

DOI: 10.16085/j.issn.1000-6613.2018-1478

页码: 1961-1969

总页数: 9

文件大小: 2839K

下载量: 143