2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩93頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、含能材料在武器系統(tǒng)和民爆行業(yè)中有著廣泛的應用,本文選擇對含能材料的撞擊感度、靜電感度和爆速進行預測研究,對含能材料的設計生產和安全使用有著重要意義?;诙繕嬓шP系(Quantitative Structure-Property Relationship,QSPR)基本原理,對含能材料的撞擊感度、靜電感度和爆速進行了系統(tǒng)研究。
  本研究主要內容包括:⑴采用Dragon2.1軟件計算化合物的分子描述符,并運用遺傳算法(Geneti

2、cAlgorithm,GA)篩選獲得了特征描述符,而后結合多元線性回歸(Multiple LinearRegression,MLR)和人工神經網絡(Artificial Neural Network,ANN)算法,分別構建了目標性質的GA-MLR線性模型和GA-ANN非線性模型。采用一系列模型性能參數(shù)對所建模型的進行驗證和評價,應用Williams圖對模型的應用域進行一定分析。⑵多硝基化合物撞擊感度的QSPR研究表明,所建模型的R2分別

3、為0.854和0.974,均方根誤差分別為0.195和0.071,兩個模型均是穩(wěn)定、可靠的且具有較好的預測能力。通過模型比較發(fā)現(xiàn),GA-ANN模型的性能要優(yōu)于GA-MLR模型,這明多硝基化合物的分子結構和撞擊感度間存在較強的非線性關系。與文獻比較發(fā)現(xiàn),所建的兩個模型均優(yōu)于已有文獻模型。⑶分別對硝基芳烴化合物和硝胺類化合物的靜電感度進行了QSPR研究,其中硝基芳烴化合物的兩個靜電感度模型的R2均高于0.89,硝胺類化合物的兩個靜電感度模型

4、的R2均高于0.96。且GA-ANN模型均優(yōu)于GA-MLR模型,這說明ANN方法是一種能夠有效、準測地預測含能化合物靜電感度的工具。而GA篩選獲得描述符主要分子的原子量和電負性對靜電感度的影響。本文所建模型和已有文獻相比較,在選擇特征參量、模型構建和模型評價上均有著很大優(yōu)勢。⑷分別對多硝基化合物和富氮雜環(huán)類化合物的爆速進行了QSPR研究,四個模型均取得了較好的結果,其中多硝基化合物爆速的兩個模型R2均高于0.90,富氮雜環(huán)類化合物爆速的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論