數據挖掘技術在環(huán)境科學及構效關系中的應用研究.pdf

1、數據挖掘(DataMining)是從大量的、不完全的、有噪聲的數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。作為一門多學科的交叉技術，數據挖掘因其應用前景廣闊而受到學術界和工業(yè)界的廣泛關注。本文將數據挖掘技術應用于若干環(huán)境科學和構效關系的研究，主要研究內容和研究成果如下： 一、采用分段交叉建模方法建立了濾紙煙度測量數據與不透光煙度測量數據相互轉換數學模型。本工作結果有助于解決兩種柴油車排氣煙度測量

2、方法交替過程中出現的標準不延續(xù)、歷史數據再利用和測量數據的比較等問題，可為柴油車排氣污染防治監(jiān)督管理工作提供科學、有效的技術支持。 二、機動車排氣遙感監(jiān)測技術在我國起步較晚，遙感監(jiān)測到的數據由于離散性大，可利用率很低。數據挖掘技術結合具體的遙測數據分析處理情況，對各種建模方法進行優(yōu)選和綜合應用后，以KNN和ANN建立了高排放車遙測篩選數學模型。結果表明：(1)KNN低怠速模型的建模正判率不低于89.3％，租用車輛的驗證正判率不低

3、于75.0％，路檢車輛的驗證正判率不低于50.0％；ANN低怠速模型的建模正判率不低于75.0％，租用車輛的驗證正判率不低于66.7％，路檢車輛的驗證正判率不低于50.0％。(2)KNN高怠速模型的建模正判率不低于82.0％，租用車輛的驗證正判率不低于71.4％，路檢車輛的驗證正判率不低于50％；ANN高怠速模型的建模正判率不低于66.3％，租用車輛的驗證正判率不低于50.0％，路檢車輛的驗證正判率不低于50.0％。所建模型顯著提高了高

4、排放車的遙測篩選正確率。 三、將數據挖掘新算法—支持向量分類(SVC)用于芬太尼衍生物結構與鎮(zhèn)痛活性關系的研究。運用Hyperchem軟件計算了14個該類藥物分子的量子化學參數，SVC留一法交叉檢驗模型對芬太尼衍生物鎮(zhèn)痛活性的預報正確率為93％，明顯高于PCA方法(86％)、ANN方法(57％)和KNN方法(71％)。結果表明：適合于小樣本集的SVC方法適用于芬太尼衍生物結構與鎮(zhèn)痛活性關系的研究，是一種有潛力的SAR分析方法。