应用化学 ›› 2009, Vol. 26 ›› Issue (11): 1367-1370.

• 研究论文 • 上一篇    下一篇

应用人工神经网络预测氢化可的松的溶解度

曾玉香1*,王超2,王炳强1   

  1. (1.天津渤海职业技术学院环境工程系 天津 300402;2.天津市环境保护科学研究院 天津)
  • 收稿日期:2008-10-13 修回日期:2009-04-15 出版日期:2009-11-10 发布日期:2009-11-10
  • 通讯作者: 曾玉香,女,硕士,讲师; E-mail:cengyx99@tom.com; 研究方向:工业分析、药物分析
  • 基金资助:
    天津市高等学校科技发展基金计划资助项目(20060218)

Prediction of Solubilities of Hydrocortisone in Various Solvents using ANN

ZENG Yu-Xiang1*, WANG Chao2, WANG Bing-Qiang1   

  1. (1.Enviromental Engineering Department,Tianjin Bohai Vocational Technical College,Tianjin 300402;
    2.Tianjin Academy of Environmental Sciences,Tianjin)
  • Received:2008-10-13 Revised:2009-04-15 Published:2009-11-10 Online:2009-11-10
  • Supported by:

    天津市高等学校科技发展基金计划资助项目(20060218)

摘要:

以量子化学方法在密度泛函B3LYP/6-31G(d)水平上计算得到含有电负性原子的溶剂水、醇类、酮类、酯类、氯代烷烃共17种溶剂的结构参数:最高占用轨道能(EHOMO)、分子最低空轨道能(ELUMO)、分子偶极矩(μ)、分子总能量(Etotal) 、最正原子净电荷(q+)、最负原子净电荷(q-)。采用误差反向传播(BP)算法的三层人工神经网络,确定隐含层节点数为7,建立了EHOMO、ELUMO、μ、Etotal、q+、q-、摩尔体积(VM)、介电常数(ε)、温度(T)共9个参数与氢化可的松在不同温度下不同溶剂中的溶解度之间关系的模型。运用此神经网络模型可预测不同分离条件下氢化可的松的溶解度,平均预测相对误差为7.0%。

关键词: 人工神经网络, 氢化可的松, 溶解度, 量子化学

Abstract:

The structure parameters EHOMO, ELUMO, q+, q-, μ, Etotal of seventeen solvents such as water, alcohols, aldehydes, esters, fluoroalkanes were calculated at B3LYP/6-31G(d) level. Using error back-propagation(BP) algorithm artificial neural network(ANN), with 7 hidden layer units, the relationship between EHOMO, ELUMO, q+, q-, μ, Etotal, VM, ε, T and solubilities of hydrocortisone in various solvents at different temperatures were established. The solubilities of hydrocortisone in various conditions were predicted by the ANN with the average relative error of 7.0%.

中图分类号: