遗传神经网络算法及其在环境化学中的应用
文献类型：学位论文
| 作者 | 唐桂刚 |
| 学位类别 | 硕士 |
| 答辩日期 | 2000 |
| 授予单位 | 中国科学院研究生院 |
| 授予地点 | 北京 |
| 导师 | 白乃彬 |
| 关键词 | 遗传算法 人工神经网络 遗传神经网络 构效关系 氯代脂肪烃 醛类化合物 酸雨 降水化学 酸雨形成 |
| 学位专业 | 环境化学 |
| 中文摘要 | 传统BP(Error Back-Propagation Algorithm，BP)网络在进行建模时存在三个不足：需用其它方法作变量筛选；需多次试验以确定网络结构，训练好的BP网络常常存在过拟合而没有泛化能力。本文建立的遗传神经网络(GeneticNeural Networks，GNN)有效的克服了上述问题。遗传神经网络具有自适应非线性建模的能力。利用遗传神经网络，我们研究了氯代脂肪烃与醛类化合物的_f勾效关系，还分析了我国降水化学数据和酸雨形成的数据。 遗传神经网络由遗传算法(Genetic Algorithm)和BP神经网络耦合而成。在GNN中，遗传算法的遗传基因串由输入参数和网络特征两部分组成，因而可同时进行特征选择和网络优化。本文使用了两种典型的遗传算法：有性遗传饽法(同时使用复制、杂交和变异三个算子的经典遗传算法的改进型)和无性遗传算法(只使用变异算子的进化算法)。GNN中的BP网络则作为特征到特性的映射工具。为了得到稳定而又具有预报能力的网络模式，GNN个体适应值最好取交互检验的相关系数或交互检验的残差均值。但是用于BP网络训练速度较慢，采用传统的交叉验证技术在样本数较大时将耗费大量CPU时间。为此我们对传统的交叉验证技术作了修正，获得了满意的结果。 环境污染物QSAR研究对于污染物的环境安全性和』xL险性评价具有重要意义。本文总结了QSAR研究进展， 并就GNN和BP网络在QSAR中的应用作了比较。当今QSAR建模的最新方向是“优化．建模”的组合方法，即在没有更新的模式工具出现之前，用诸如遗传算法这样的优化工具优化已有的方法，克服它们的缺点。遗传神经网络也是这种思想的体现，它有效的克服了BP网络在QSAR建模时存在的不足，解决了变量筛选、非线性建模和克服过拟合三雕题。通过检索美国国立职业与卫生研究所化学物质毒性效应登录(RTECS)1998年版光盘系统，搜集了65种氯代脂肪烃化合物对大鼠急性毒性口服LDso数据，并利用遗传神经网络建立了氯代脂肪烃分子结构与对大鼠急性毒性关系的BP神经网络模式。对预报集8种氯代脂肪烃的测试结果表明，所建立的网。一H阿较止¨勺实用性。刑同佯的方法我们收集了88种雌类化合物对大鼠急性，“乍LD；，，数据，辱建立了醛类化合物分子结构与对大鼠急性毒性关系，漠式您。t，t，¨l用于实际应用中的预报和分析研究。 酸雨问题是当今最严重的环境问题之一。研究降水中诸离子浓度与其DHn!_c灭系对时论我国酸啉成因有十分重要意义。我们收集了111组包含Ca斗、Mg：。’ 导八种离子浓度和pH值的我国降水化学数据，并用遗传神经网络方法建立了彩个这些离子浓度和pH值关系的具有良好预报能力的BP网络模式。运用这监模式汁算了各离子浓度对pH值的贡献， 结果表明，各地区土壤颗粒对酸中刚作j罚的差异是我国酸雨分布的非常重要的原因。另外，还收集了114组关于我国睃阿形成数据， 用遗传神经网络建模的结果表明， 我国酸雨形成与S02州：放、年降水量、土壤pH值等七个因素有关。这两类定量模式的建立为酸雨nff究提供了新的思路，对酸雨控制对策的选取也具有重要意义。 |
| 学科主题 | 环境化学 |
| 公开日期 | 2011-10-21 |
| 源URL | [http://ir.rcees.ac.cn/handle/311016/1364]  |
| 专题 | 生态环境研究中心_文献信息中心 |
| 推荐引用方式 GB/T 7714 | 唐桂刚. 遗传神经网络算法及其在环境化学中的应用[D]. 北京. 中国科学院研究生院. 2000. |
入库方式： OAI收割
来源：生态环境研究中心
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。