- 作 者：蒋军成，潘勇著
- 出 版 社：北京：科学出版社
- 出版年份：2011
- ISBN：9787030324856
- 标注页数：283 页
- PDF页数：292 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源292 ≥283页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
第一部分 有机化合物危险特性概论第1章 有机化合物的危险特性及其分类 3
1.1 化学物质的分类 3
1.2 危险性化学物质的分类 4
1.3 有机化合物的危险特性 8
参考文献 13
第2章 有机化合物危险特性常用预测方法 15
2.1 参数关联法 16
2.2 基团贡献法 18
2.3 定量结构-性质相关性（QSPR）研究 22
参考文献 25
第3章 定量结构-性质相关性（QSPR）研究概述 30
3.1 QSPR研究的含义 30
3.2 QSPR研究的发展趋势与特点 30
3.3 QSPR研究的相关技术 32
3.4 QSPR技术的发展和应用情况 44
参考文献 45
第二部分 有机化合物分子结构参数与危险特性相关第4章 分子连接性与危险特性相关 51
4.1 分子连接性指数概述 51
4.2 分子连接性指数的物理意义 55
4.3 分子连接性在QSPR研究中的应用方法学 56
4.4 分子连接性在有机物危险特性QSPR研究中的应用实例 62
4.5 分子连接性方法的应用前景 65
参考文献 67
第5章 电性拓扑状态与危险特性相关 69
5.1 电性拓扑状态指数概述 69
5.2 电性拓扑状态指数的计算与划分 70
5.3 电性拓扑状态指数在有机物危险特性QSPR研究中的应用实例 72
参考文献 79
第6章 基团贡献法预测有机物危险特性 80
6.1 基团贡献法 80
6.2 ASOG模型 80
6.3 UNIFAC法 82
6.4 其他基团贡献法 86
6.5 基团贡献法在有机物危险特性QSPR研究中的应用实例 88
参考文献 93
第7章 量子化学在有机物危险特性QSPR研究中的应用 96
7.1 量子化学概述 96
7.2 量子化学理论及参数 96
7.3 量子化学参数与燃爆特性的相关性 105
7.4 量子化学参数与急性毒性的相关性 106
7.5 量子化学在有机物危险特性QSPR研究中的优缺点及其展望 107
参考文献 108
第三部分 多元统计及优化算法在有机物危险特性QSPR研究中的应用第8章 人工神经网络在有机物危险特性QSPR研究中的应用 115
8.1 概述 115
8.2 人工神经网络的构造和功能 116
8.3 人工神经网络的分类 118
8.4 BP型神经网络 119
8.5 BP神经网络技术在有机物危险特性QSPR研究中的应用实例 123
参考文献 130
第9章 遗传算法在有机物危险特性QSPR研究中的应用 132
9.1 遗传算法概述 132
9.2 遗传算法基本原理与算法实现 132
9.3 遗传算法的优缺点 137
9.4 遗传算法在QSPR研究中的应用领域 138
9.5 遗传算法在有机物危险特性QSPR研究中的应用实例 139
参考文献 147
第10章 蚁群算法在有机物危险特性QSPR研究中的应用 149
10.1 蚁群算法概述 149
10.2 蚁群算法基本原理与算法实现 149
10.3 蚁群算法的特点 152
10.4 蚁群算法的应用领域 153
10.5 蚁群算法在有机物危险特性QSPR研究中的应用实例及展望 153
参考文献 156
第11章 支持向量机在有机物危险特性QSPR研究中的应用 157
11.1 支持向量机概述 157
11.2 支持向量机基本原理 157
11.3 支持向量机的参数优化 159
11.4 支持向量机常用算法及算法实现 160
11.5 支持向量机的优点 164
11.6 支持向量机在有机物危险特性QSPR研究中的应用实例 164
参考文献 178
第四部分 基于组合算法的有机物危险特性QSPR研究第12章 遗传-多元线性回归（GA-MLR）组合算法的改进 183
12.1 GA-MLR算法基本原理 183
12.2 GA-MLR算法中适应度函数的改进 184
12.3 改进GA-MLR算法的实现 187
12.4 改进GA-MLR算法的优势 187
参考文献 188
第13章 遗传-支持向量机（GA-SVM）组合算法的建立 190
13.1 理论基础 191
13.2 GA-SVM算法原理 192
13.3 GA-SVM算法的实现 194
13.4 GA-SVM算法的优势 195
参考文献 195
第14章 基于组合算法的有机物危险特性QSPR研究体系 196
14.1 样本集构建 198
14.2 结构输入和分子模拟 199
14.3 分子描述符的计算 200
14.4 分子描述符的预筛选 201
14.5 分子描述符的选择与建模 202
14.6 模型的评价验证 203
14.7 模型的机理解释 207
14.8 小结 208
参考文献 208
第15章 有机物闪点的QSPR研究 211
15.1 有机物闪点的预测研究 211
15.2 有机物分子结构与闪点的作用机理研究 224
15.3 小结 228
参考文献 229
第16章 有机物自燃点的QSPR研究 230
16.1 有机物自燃点的预测研究 230
16.2 有机物分子结构与自燃点的作用机理研究 243
16.3 小结 247
参考文献 247
第17章 有机物爆炸下限的QSPR研究 249
17.1 有机物爆炸下限的预测研究 249
17.2 有机物分子结构与爆炸下限的作用机理研究 261
17.3 小结 264
参考文献 265
第18章 有机物爆炸上限的QSPR研究 266
18.1 有机物爆炸上限的预测研究 266
18.2 有机物分子结构与爆炸上限的作用机理研究 280
18.3 小结 282
参考文献 283