RBF神经网络用于胺类有机物的毒性识别

摘 要：随着成千上万种化学物质的产生并排放到水中，化学物质的环境危险评价越来越重要。虽然部分有机毒性物的实验测定现在己能做到，但由于这些毒性物的数量非常众多并且存在其他一些潜在的有机物仍未进行实验测定，所以定量预测环境中有机毒性物的毒性仍是十分重要和必须的。本论文主要讨论径向基人工神经网络（Radial Basis Function Network，RBF）用于胺类有机物毒性识别问题，内容包括有机物的环境影响评价的意义，胺类有机物对环境的影响分析，RBF人工神经网络建模的思想、结构和算法，以及胺类有机物QSAR（定量结构-活性相关，Quantitative Structure-Activity Relationship）分类问题RBF实现的基本设定。实验部分是以胺类有机物中的各个变量为基础做出建模，并使用MATLAB软件进行相关程序的运行，进而做出数据处理和结果分析，计算其结果的准确性，并和多元线形回归方法进行比较。

关键词：环境影响评价；胺类有机物；毒性识别；人工神经网络；RBF 

目   录

中文文摘………………………………………………………………………………Ⅰ

Abstract………………………………………………………………………………Ⅱ

目录……………………………………………………………………………………………Ⅲ

1绪论………………………………………………………………………………1

1.1胺类有机物的毒性…………………………………………………………1

1.1.1环境影响评价简介……………………………………………………1

1.1.2环境影响评价方法……………………………………………………1

1.1.3胺类有机物环境影响分析及评价方法简介…………………………2

1.2人工神经网络建模方法简介………………………………………………3

1.2.1 神经网络建模方法思想概说…………………………………………3

1.2.2 人工神经网络模型结构………………………………………………5

1.2.3目前人工神经网络的主要学习算法……………………………………6

1.2.4 RBF人工神经网络方法…………………………………………………7

1.3 RBF神经网络用于胺类有机物毒性识别框架思路…………………………11

1.3.1胺类有机物结构参数的选择…………………………………………11

1.3.2 胺类有机物毒性指标确定和分类……………………………………11

1.3.3 RBF神经网络的结构和算法初定……………………………………13

1.3.4 RBF神经网络方法和数理统计方法比较………………………………13

2实验部分…………………………………………………………………………………14

2.1 程序运行载体的选择…………………………………………………………14

2.2 运行参数的选择……………………………………………………………………14

3 结果与讨论………………………………………………………………………………15

3.1 实验数据处理………………………………………………………………………15

3.2 实验结果分析………………………………………………………………………16

4总结与展望………………………………………………………………………………17

致谢……………………………………………………………………………………………18

参考文献…………………………………………………………………………………