版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、分子吸收能可以表征分子的內(nèi)在結(jié)構(gòu)信息和電子性質(zhì),是分子的一個(gè)重要物理屬性。因此,精確地預(yù)測(cè)吸收能是計(jì)算化學(xué)領(lǐng)域的一個(gè)重要問(wèn)題。量子化學(xué)是研究分子微觀結(jié)構(gòu)、性質(zhì)和分子間相互作用的基礎(chǔ)學(xué)科,在近20年中,量子化學(xué)的基礎(chǔ)理論和計(jì)算方法取得了顯著進(jìn)展。量子化學(xué)計(jì)算的一大優(yōu)勢(shì)在于它可以先于實(shí)驗(yàn)來(lái)預(yù)測(cè)物質(zhì)的性質(zhì)或?qū)嶒?yàn)上至今無(wú)法測(cè)得的一些物理量及無(wú)法觀測(cè)到的反應(yīng)過(guò)程。量子化學(xué)計(jì)算在解釋和預(yù)測(cè)中小分子的實(shí)驗(yàn)結(jié)果上顯示出巨大優(yōu)勢(shì),但由于計(jì)算方法固有的近似
2、使得誤差不可避免,尤其是對(duì)于結(jié)構(gòu)不規(guī)整的復(fù)雜大分子,計(jì)算誤差更大。在近10年里,許多統(tǒng)計(jì)校正方法被用于提高量子化學(xué)的計(jì)算精度。其步驟是先用量子化學(xué)方法計(jì)算分子的相關(guān)物理參數(shù),然后用統(tǒng)計(jì)方法來(lái)確定理論計(jì)算和實(shí)驗(yàn)值的數(shù)量關(guān)系,這些方法主要包括:多元線性回歸和人工神經(jīng)網(wǎng)絡(luò)等。 本論文針對(duì)160個(gè)有機(jī)小分子體系,用人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等方法來(lái)校正量子化學(xué)方法計(jì)算的結(jié)果,提高了量子化學(xué)計(jì)算吸收能的精度。在簡(jiǎn)單的物理參數(shù)下,組合型計(jì)算方
3、法能夠減小理論計(jì)算因忽略電子相關(guān)效應(yīng)和使用小基組所帶來(lái)的系統(tǒng)誤差,為準(zhǔn)確、快捷地預(yù)測(cè)分子性質(zhì)提供了一種新的研究手段。 研究工作主要包括如下幾個(gè)部分: 1、量子化學(xué)方法計(jì)算有機(jī)小分子的紫外可見(jiàn)吸收光譜,用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)(GABP)來(lái)提高有機(jī)小分子吸收能的計(jì)算精度。GABP1分別校正了三種量子化學(xué)計(jì)算方法:B3LYP/6-31G(d),B3LYP/STO-3G和ZINDO,校正前三種方法得到的均方根誤差分別是0.3
4、2,0.95和0.46 eV,校正后均方根誤差降低到了0.14,0.19和0.18 eV。其中,B3LYP/6-31G(d)—GABP1計(jì)算結(jié)果誤差較小,基本與實(shí)驗(yàn)值吻合。 2、GABP2用于確定B3LYP/6-31G(d)—GABP1計(jì)算值和低水平理論計(jì)算方法之間的數(shù)量關(guān)系,例如B3LYP/STO-3G和ZINDO。GABP2校正B3LYP/STO-3G和ZINDO后誤差的均方根降低到了0.20和0.19 eV。比較兩次校正結(jié)
5、果,我們可以驗(yàn)證GABP方法的有效性和可行性。顯然,B3LYP/6-31G(d)—GABP1可以有效的提高有機(jī)小分子吸收能的精度,并且在實(shí)驗(yàn)結(jié)果不可獲得或者不可得到的情況下,B3LYP/6-31G(d)—GABP1的校正值可以看做是實(shí)驗(yàn)的近似值。 3、B3LYP/6-31G(d)—GABP方法可以分析較大分子的吸收能,當(dāng)大分子缺少實(shí)驗(yàn)值或者無(wú)法獲得較高精度理論值的時(shí)候,它可能成為一個(gè)預(yù)測(cè)實(shí)驗(yàn)值的有效的理論計(jì)算工具。 4、
6、根據(jù)所選數(shù)據(jù)集來(lái)增加物理參數(shù),然后用多元線性回歸來(lái)篩選物理參數(shù)。 5、引入最小二乘支持向量機(jī)來(lái)提高密度泛函理論計(jì)算值。最小二乘支持向量機(jī)校正后的誤差由0.32 eV降低到了0.11 eV。相比多元線性回歸來(lái)說(shuō),最小二乘支持向量機(jī)有更好的適應(yīng)能力和校正效果。在無(wú)法獲得實(shí)驗(yàn)值或無(wú)法得到精度較高的量子化學(xué)計(jì)算結(jié)果的時(shí)候,最小二乘支持向量機(jī)校正B3LYP/6-31G(d)的方法可以有效的預(yù)測(cè)分子的吸收能。最小二乘支持向量機(jī)擴(kuò)展了B3LY
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)相關(guān)問(wèn)題研究.pdf
- 基于支持向量機(jī)的模糊神經(jīng)網(wǎng)絡(luò)控制.pdf
- 灰色神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)預(yù)測(cè)模型研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的電機(jī)故障診斷與研究.pdf
- 提高密度泛函理論計(jì)算Y-NO體系均裂能精度:神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)方法.pdf
- 支持向量機(jī)神經(jīng)網(wǎng)絡(luò)研究及其硬件實(shí)現(xiàn).pdf
- 模糊神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)若干問(wèn)題研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的遞增支持向量機(jī)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的水華預(yù)測(cè)方法研究與應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的生物數(shù)據(jù)分類.pdf
- 基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的支持向量機(jī)的FPGA實(shí)現(xiàn).pdf
- 支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)的故障分類對(duì)比研究#
- 木材干燥支持向量機(jī)建模與模糊神經(jīng)網(wǎng)絡(luò)控制研究.pdf
- 基于支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)研究
- 基于支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)研究.pdf
- 支持向量機(jī)與RBF神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)模型的應(yīng)用.pdf
- 徑向基神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的參數(shù)優(yōu)化方法研究及應(yīng)用.pdf
- 基于改進(jìn)神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)的大跨纜索橋梁損傷定位方法研究.pdf
- 支持向量機(jī)的神經(jīng)網(wǎng)絡(luò)中文文本聚類研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)和改進(jìn)支持向量機(jī)的人臉檢測(cè).pdf
評(píng)論
0/150
提交評(píng)論