基于完备集预测芳香类化合物13C核磁共振波谱

摘要：

在建立分子定量结构-性能关系(QSPR)模型过程中,需要挑选分子结构参数子集.但目前还没有统一的参数挑选方法,参数集所用的分子参数可多可少,带有主观性.参数完备集具备哲学之美,不多一个元素,也不少一个元素.本文基于完备集建立61种芳香类化合物695个13 C核磁共振(NMR)化学位移(δC)QSPR模型.完备集分子参数基于PBE1PBE/6-311G(2d,2p)量子化学方法计算得到.采用Duplex算法对数据集进行划分,并用支持向量机(SVM)结合粒子群优化算法(PSO)建立13 C NMR化学位移的QSPR模型.所建的2个SVM模型对整个数据集预测的均方根误差(rms)均为2.4 ppm,小于广义回归神经网络(GRNN)模型预测结果;此结果与文献报道值相比也是精确的.结果表明,应用完备集建立13 C NMR化学位移SVM预测模型是成功的;且为QSPR建模提供了新的参数集挑选方法.

关键词：芳香类化合物、完备集、NMR化学位移、构效关系、支持向量机、粒子群优化算法

所属期刊栏目：29

分类号：O657.61;O642.1(分析化学)

资助基金：湖南省自然科学基金12JJ6011;化学生物传感与计量学国家重点实验室湖南大学开放课题2016013;环境催化与废弃物再生化湖南省重点实验室湖南工程学院开放课题2018KF11

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：69-73