文献

J-GLOBAL ID：201702231501428968   整理番号：17A0063724

人工ニューラルネットワークによる地下水揮発性有機物の定量的構造-クロマトグラフィー保持モデルの研究【JST・京大機械翻訳】

Study of QSRR on Volatile Compounds in Groundwater using Artificial Neural Network

著者 (4件)： He Qin (Xuchang University, School of Chemistry and Chemical Engineering) ,  Zhang Yongqing (Xuchang University, School of Chemistry and Chemical Engineering) ,  Huang Baojun (Xuchang University, Key Laboratory of Micro-Nano Materials for Energy Storage and Conversion of Henan Province, Institute of Surface Micro and Nano Materials) ,  Wang Shumin (Xuchang University, School of Chemistry and Chemical Engineering)
資料名： Hubei Nongye Kexue  (Hubei Nongye Kexue)
巻： 55  号： 13  ページ： 3456-3458  発行年： 2016年 
JST資料番号： C2087A  ISSN： 0439-8114  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 人工神経回路網(ANN)を用いて,分子の電気的距離の適切な量と保持時間をそれぞれ入力と出力として使用した。地下水中の26の揮発性有機化合物の定量のための定量的構造-クロマトグラフ保持相関モデル(QSRR)を確立した。構築したネットワークモデルの相関係数は0.998であり,交差検証は訓練セットに適用され,その相関係数は0.998であり,このモデルは外部予測セットに適用され,その相関係数は0.979であった。一方,多変量線形回帰(MLR)モデルの相関係数は0.949であり,交差検定の相関係数は0.897であった。結果により,ANNモデルは,より良好な予測能力を持ち,そして,良好な適合効果を持った。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *クロマトグラフィー ,  相関係数 ,  *ニューラルネットワーク ,  保持時間 ,  *地下水 ,  交差検証法 ,  *揮発性有機化合物
準シソーラス用語： 予測能力 ,  多変量線形回帰 ,  ネットワークモデル ,  QSRR , 【Automatic Indexing@JST】

著者キーワード (4件)： quantitative structure retention relationship ,  volatile compounds ,  retention time ,  artificial neural network

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 人工ニューラルネットワーク ,  地下水 ,  揮発性有機物 ,  定量 ,  クロマトグラフィー ,  モデル ,  研究