SVR-KNN法用于除草剂QSAR研究

[目的]探索一种有效的组合预测方法,用于定量构效关系(QSAR)的研究分析。[方法]提出一种基于支持向量机回归(SVR)与K-最近邻法(KNN)的组合预测方法:以均方误差(MSE)最小为择优准则,对SVR实施核函数寻优;基于最优核函数以SVR进行描述符筛选并得到保留描述符;以"多轮末尾强制淘汰法"阐述各保留描述符对预测精度影响的程度;基于保留描述符,以不同KNN预测值反映样本集异质性并构建子模型,最后基于SVR以留一法实施组合预测。运用该组合预测方法研究磺酰脲和三唑并嘧啶磺酰胺类除草剂QSAR建模。[结果]建模结果表明,基于SVR与KNN的组合预测方法在参比模型中预测精度最高,具有结构风险最小、非线性、能有效克服过拟合、泛化推广能力优异等优点。[结论]基于SVR与KNN的组合预测具有许多优点,在QSAR研究中应用前景广泛。     

表面活性剂SDS与DBS对褐点石斑鱼急性毒性研究

[目的]研究表面活性剂SDS和DBS对水环境的污染程度,分析比较2类毒性数据处理方法的优劣。[方法]以褐点石斑鱼(Epinephelus fuscoguttatus)变态期仔鱼作为指示生物,采用静水法生物测试研究SDS和DBS的急性毒性。建立直线回归模型,并用非线性最小二乘拟合技术构建非线性回归模型,预测表面活性剂的毒性效应。[结果]2种表面活性剂的直线方程F检验均为极显著;其剂量—效应曲线(DRC)均可用双参数模型Weibull与Logit函数有效表征。直线和非线性回归模型对2种表面活性剂毒性效应估算表明,预测半致死浓度时,2种模型差异可忽略不计;预测极端效应浓度时,差异显著。直线回归模型估算的安全浓度SDS为0.4292mg/L,DBS为0.9543mg/L;双参数模型对48hLC50拟合预测值SDS为1.5033mg/L,DBS值为3.3416mg/L,两者预测结果一致,毒性均为SDS大于DBS。[结论]试验结果为研究表面活性剂污染对水环境造成的危害及评价提供参考资料,并为毒性数据的分析处理提供一种可供参考的新模式。     

倍半萜类抗癌抑制剂的定量构效关系研究

对具有抑制人早幼粒白血病细胞(HL-60)活性的倍半萜类化合物进行二维定量构效关系研究,利用遗传算法建立2D-QSAR模型,得到10个具有较好预测能力的QSAR模型。分析模型得出:脂水分配系数(ALogP)、分子量(Molecular_Weight)与化合物活性呈正相关,偶极距x分量(Dipole_X)、分子表面积(Molecular_SurfaceArea)与化合物活性呈负相关;倍半萜2D-QSAR模型中独特的2个分子参数分别是VSA_AlogP[2]和VSA_AlogP[10];VSA_AlogP[2]参数与化合物抗癌活性呈正相关,在此区域内增加羟基等影响分子脂水分配系数的官能团能增加化合物的抗癌活性,VSA_AlogP[10]参数与化合物活性呈负相关,此区域内减少羟基等影响分子酯水分配系数的官能团会增加化合物的抗癌活性。该组模型将为新型抗癌类药剂的筛选以及新型抗癌类药物设计提供指导。     

三唑噻吩并嘧啶衍生物杀菌活性的QSAR研究

为了研究三唑噻吩并嘧啶衍生物对小麦赤霉菌抑菌活性(G/%)的定量构效关系(QSAR),按照分子的拓扑环境编程计算了14种上述化合物的电性距离矢量(M_D)。通过最佳变量子集回归,建立了它们的二参数(M_(26)、M_(32))QSAR模型,非交叉验证相关系数(R~2)与逐一剔除法交叉验证相关系数(R_(cv)~2)分别为0.857、0.648,显示良好的稳健性和预测能力。根据进入模型可知,影响三唑噻吩并嘧啶衍生物对小麦赤霉菌抑菌活性的主要因素是C-、-O等结构碎片。     

基于高光谱的土壤有机碳含量预测研究

[目的]对土壤有机碳含量进行预测研究。[方法]利用高光谱仪对表层土壤进行光谱测定并且进行光谱数据的预处理,通过多元线性逐步回归(SMLR)和偏最小二乘回归(PLSR)方法对土壤有机碳含量进行预测,并对2种模型的精度进行比较。[结果]LSR模型的精度高于SMLR模型。[结论]偏最小二乘回归法优于多元逐步回归法,对有机碳的预测具有更好的效果。     

中国荷斯坦牛泌乳曲线数学模型拟合及应用

[目的]本文旨在建立拟合中国荷斯坦牛泌乳曲线的数学模型,计算出一套可靠的305 d产奶量校正系数。[方法]分别使用Wood不完全伽玛模型、逆多项式模型、Ali-Schaeffer模型、六次多项式回归模型、Wilmink模型和Pollott模型对71个奶牛场43 812头中国荷斯坦牛的609 784条测定日记录进行了拟合。参数的估计使用SAS 9.2软件中的非线性回归过程迭代求解实现。[结果]6种数学模型的拟合度(R2值)为0.940~0.947。其中,六次多项式回归模型的拟合度(R2值)最大,模型估计误差标准差最小,在本次试验中拟合效果最好。[结论]用六次多项式回归模型计算出各泌乳时间的累积产奶量,继而提出了计算305 d产奶量的校正系数。结合实际累积产奶量和相应的校正系数能将所有未达到305 d产奶量的记录校正到305 d。     

石油开采土壤石油烃与有机碳关系模型的研究

[目的]研究某石油开采场地土壤石油烃(TPH)浓度和总有机碳(TOC)含量的相互关系。[方法]比较不同的回归模型,建立可以用于模拟土壤TPH浓度和TOC含量的线性拟合模型和对数拟合模型。[结果]线性拟合模型和对数拟合模型的决定系数(R2)分别为0.715和0.874;14组验证数据的预测值相对平均偏差分别为9.2%和3.3%,预测模拟Nash-Suttcliffe效率系数(NSC)分别为0.957和0.959。[结论]该模拟研究可以为光谱技术、遥感技术在土壤石油烃含量监测方面的应用提供参考依据。     

基于近红外光谱法快速检测藜麦纤维含量（英文）

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数(R~2cv)为0.884 8,外部验证决定系数(R~2val)为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。     

取代芳烃对大型蚤急性毒性的定量构效关系研究

[目的]建立具有良好相关性和稳定性的取代芳烃对大型蚤定量结构-活性关系（QSAR）模型。[方法]采用Gaussian03程序包中密度泛函理论（DFT）B3LYP方法计算取代芳烃的部分结构参数和毒性参数。[结果]-lgEC50的回归方程为-lgEC50=4.496＋1.5×10-2MM＋9.958×EHOMO＋0.677×ΔQR;方程中各自变量的变异膨胀因子（VIF）分别为：1.508、1.364和1.157。取代芳烃对大型蚤急性毒性的主要影响因子为分子量MM、分子最高占有轨道能EHOMO和苯环上净电荷增量ΔQR,且这3个结构参数与-lgEC50正相关,其标准系数分别为0.986、0.289和0.175。分子量越大,分子总能量（能量为负值）越低,化合物越稳定,毒性越大;分子量越大,lgP越大,化合物的脂溶性越大,毒性越大。[结论]该试验建立的模型具有良好的稳定性和很强的预测能力。     

基于Matlab的湘江水质重金属污染预测模型研究

[目的]利用Matlab软件,建立湘江(株洲-长沙段)水体重金属污染预测模型。[方法]利用湘江(株洲-长沙段)重金属含量数据,基于Matlab软件建立了一套非线性回归模型,用以预测湘江(株洲-长沙段)Cd、Pb、Cu、Zn、As、Cr等6种重金属的含量。[结果]通过验证发现,该模型具有较高的精确度,预测的重金属含量空间变化基本与实际情况吻合,说明该模型能够较好地预测湘江(株洲-长沙段)重金属含量的空间变化趋势。[结论]该研究为湘江重金属污染治理提供了一定的理论依据。     

人工神经网络用于有机磷酸酯类定量结构活性关系研究

采用人工神经网络(ANN)建立了35种有机磷酸酯类化合物的结构及其对家蝇急性毒性之间的定量关系模型(ANN模型),以35种有机磷酸酯类化合物的分子电性距离矢量作为输入、对家蝇的急性毒性作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性,所构建网络模型的相关系数为0.999 9、交叉检验相关系数为0.995 8、标准偏差为0.114 1、残差绝对值≤0.40,应用于外部预测集,外部预测集相关系数为0.986 0。而多元线性回归(MLR)法模型的相关系数为0.976 0、标准偏差为0.256 8、残差绝对值≤0.57,外部预测集相关系数为0.975 8。结果表明,ANN模型获得了比MLR模型更好的拟合效果。     

用量化参数结合MCI研究芳香类化合物对水生发光菌的毒性

目的]研究芳香类化合物对水生发光细菌毒性的定量构效关系,选择最佳的定量构效关系模型。[方法]采用量化参数结合MCI法建立芳香类化合物与水生发光菌毒性的构效关系模型,并分析了各参数与-logEC50的相关关系。[结果]研究发现,极化率P、疏水参数logP、苯环上的净电荷增量∑Qr、分子连接性指数1Xv与-logEC50均有一定的相关性。采用量化参数结合MCI建立的模型与只采用量化参数建立的模型相比较,相关系数r2从0.891提高到0.933,平均误差从0.16个对数单位降低到0.13个对数单位。据此预测得到的毒性数据与文献实验数据趋势基本相同。[结论]运用量化参数结合MCI建立的芳香类化合物对水生发光菌毒性的构效关系模型的预测相关度更高。     

3种硝基芳烃化合物对锦鲤鱼的急性毒性研究

[目的]研究硝基芳烃化合物对锦鲤鱼的急性毒性效应,从而为硝基芳烃化合物的水环境风险评价提供基础数据。[方法]以锦鲤鱼(Cyprinus carpio)为试验生物,将其暴露于不同浓度的对硝基甲苯、邻硝基苯胺和对硝基苯胺3种化合物试验液体中,分别采用改良寇氏法和概率单位法计算半数致死浓度(LC50),并采用u检验法比较两种计算结果的差异。[结果]通过两种计算方法,所得LC50之间无显著差异,均能表示3种化合物对锦鲤鱼的毒性水平。以两种结果的平均值作为最终LC50。对硝基甲苯、邻硝基苯胺和对硝基苯胺96 h LC50分别为41.43、20.42和49.36 mg/L。[结论]对邻硝基苯胺、对硝基甲苯和对硝基苯胺对锦鲤鱼均属于中等毒性物质,其急性毒性依次降低。     

庆大霉素废水对斑马鱼的急性毒性效应

[目的]探讨庆大霉素废水对斑马鱼的急性毒性效应。[方法]采用静水式直接接触致毒法,研究庆大霉素废水对斑马鱼的急性毒性效应。根据斑马鱼在各时间段的死亡率求出半致死浓度(LC_(50)),根据LC_(50)判断庆大霉素废水的毒性等级。[结果]预试验结果表明,斑马鱼暴露于庆大霉素体积百分比为30%的废水中24 h 100%死亡(24 h LC100)和体积百分比为10%的废水96 h零死亡(96 h LC_0)。急性毒性试验结果表明,在(22±1)℃下,庆大霉素废水4、8、12、24、48、72、96 h的LC_(50)分别为23.975%、21.210%、19.050%、18.395%、16.779%、16.779%、16.779%。庆大霉素废水不同时段的LC_(50)为10%~50%,Tua值为2~10,毒性等级为中等毒性。[结论]研究结果可以为庆大霉素废水对水生生物的亚急性毒性研究提供相关数据。     

壬酸水溶液对云南木蠹象幼虫拒食作用研究

[目的]为防治云南木蠹象找到无公害的新型药剂。[方法]按内比法将90%壬酸配成所需浓度,用非选择性拒食法测定药剂的拒食作用,以幼虫校正死亡率为指标评价拒食效果。[结果]保湿饲养法的死亡率回归方程为y1=4.883+0.292x,相关系数为0.408,LC50=2.517 7 mg/L,其拒食率回归方程为y2=4.562+0.337x,相关系数为0.423,AFC50=19.952 6 mg/L。喷枝保湿饲养法的死亡率回归方程为y3=4.388+0.793x,相关系数为0.373,LC50=5.915 6 mg/L,其拒食率回归方程为y4=5.175+0.274x,相关系数为0.420,AFC50=0.229 6 mg/L。2 000 mg/L壬酸水溶液的初始死亡率和最高死亡率最高,达到最高死亡率的时间最佳,1 000 mg/L次之。2 000mg/L壬酸水溶液的致死中时间最短,为6.9 d,而对照的致死中时间最长,为53.7 d。[结论]2 000和1 000 mg/L壬酸水溶液的拒食作用较好。     

基于NDVI的西昌市紫茎泽兰入侵监测模型初探

[目的]为紫茎泽兰生物入侵的遥感监测提供参考。[方法]以ASTER影像数据为主信息源,结合西昌市紫茎泽兰样地调查,提取3种植被指数分别为归一化植被指数NDVI、垂直植被指数PVI和比值植被指数RVI,通过与紫茎泽兰表征因子盖度、高度和生物量进行相关分析,筛选敏感植被指数。在紫茎泽兰单个表征因子回归分析基础上,建立敏感植被指数与重要值的回归模型。[结果]3种植被指数中,NDVI最能反映紫茎泽兰表征因子的变化信息。NDVI与紫茎泽兰表征因子及IV显著正相关,对IV的复相关系数(R2=0.72)大于单个表征因子。基于NDVI与紫茎泽兰IV的线性模型模拟误差较小。[结论]利用NDVI与IV的线性模型对研究区紫茎泽兰入侵进行监测是较为可行的。     

新颖除草剂peng-3对大型蚤的急性毒性研究

[目的]探讨Peng-3外消旋体及2个对映体对大型蚤的急性毒性效应。[方法]选择标准动物大型蚤,探讨0,0-二甲基-1-（苯氧乙酰氧基）乙基膦酸酯及其对映体对大型蚤的急性毒性。[结果]结果表明,peng-3外消旋体及对映体对大型蚤的48h-LC50分别为0．2741、0．3685和0．2623mg/L,为高毒一类。而它们之间的毒性相差不大。[结论]该研究为水生生物的危害提供科学依据。     

可见近红外漫反射光谱法测定赣南脐橙的表面色泽

[目的]建立赣南脐橙颜色指标定量数学模型,探索用颜色进行水果分级的新方法。[方法]采用色差计来测量50个赣南脐橙样本的表面颜色,用近红外漫反射光谱并结合多元校正算法偏最小二乘法(PLS),建立了赣南脐橙颜色指标L、a、b的定量模型。[结果]在全波段范围内,原始光谱所建模型最佳,其颜色指标L所建校正模型相关系数(r)为0.933,预测均方根偏差(RMSEP)为1.330,完全交互验证相关系数(rcross)达0.926;颜色指标a所建校正模型相关系数为0.970,预测均方根偏差为1.524,完全交互验证的相关系数达0.967;颜色指标b所建校正模型相关系数为0.893,预测均方根偏差为2.676,完全交互验证的相关系数达0.875。[结论]原始光谱所建模型最好,但其模型的校正均方根偏差和完全交互验证均方根偏差都偏高。