采用人工神经网络(Artificial Neural Network,ANN)中的误差反向传播(Error Back Propagation,BP)神经网络分别建立了35种香水百合头香成分的三种结构与色谱保值之间的定量关系模型,其中两个为一维定量模型(分别是结构与色谱保留时间一...采用人工神经网络(Artificial Neural Network,ANN)中的误差反向传播(Error Back Propagation,BP)神经网络分别建立了35种香水百合头香成分的三种结构与色谱保值之间的定量关系模型,其中两个为一维定量模型(分别是结构与色谱保留时间一维定量模型、结构与Kovats保留指数一维定量模型),另一个为二维定量模型(结构与保留时间和Kovats保留指数同时预测的二维定量模型).以量子化学参数作为网络输入、以保留时间和Kovats保留指数作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性.结果表明,BP-ANN模型稳健性与多元线性回归(Multiple Linear Regression,MLR)模型相当,但外部预测集拟合效果BP-ANN优于MLR.另外,BP-ANN构建的一维和二维模型相当,而二维模型更加节省时间.展开更多
文摘采用人工神经网络(Artificial Neural Network,ANN)中的误差反向传播(Error Back Propagation,BP)神经网络分别建立了35种香水百合头香成分的三种结构与色谱保值之间的定量关系模型,其中两个为一维定量模型(分别是结构与色谱保留时间一维定量模型、结构与Kovats保留指数一维定量模型),另一个为二维定量模型(结构与保留时间和Kovats保留指数同时预测的二维定量模型).以量子化学参数作为网络输入、以保留时间和Kovats保留指数作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性.结果表明,BP-ANN模型稳健性与多元线性回归(Multiple Linear Regression,MLR)模型相当,但外部预测集拟合效果BP-ANN优于MLR.另外,BP-ANN构建的一维和二维模型相当,而二维模型更加节省时间.
