小波变换和神经网络在化学中的应用

本论文分为两部分：小波变换和神经网络在化学中的应用。小波变换是新近出现的数学方法。近年来，在化学中得到广泛的应用，本论文介绍小波变换和我分辨分析的原理和方法，并将其应用到信号的压缩和滤噪。在研究中提出了常用小波变换数据压缩的三种方法，将紧支集小波和正交三次B－样条小波压缩4－苯乙基邻苯二甲酸酐的红外光谱数据进行了对比，计算表明正交三次B－样条小波变换方法效果较好，而在全部保留模糊信号及只保留锐化信号中数值较大的系数时，压缩比大而重建光谱数据与原始光谱数据间的均方差较小。应用小波变换对表面等离子体子共振（Surface Plasmon Resonance，SPR）仪的信号进行滤噪处理，利用SPR仪器信号和噪音的频率特性而将其分离，取得良好效果。本文对神经网络在化学中应用进行了较深入的研究，并对影响神经网络的诸多因素进行了探讨。在神经网络和多元回归等在化学应用中过多的变量会导致数学模型的预测结果变差，因而选择合适变量是很重要的。本文对比了传统的统计方法（前进选择法，后退剔除法，逐步回归法），Leaps-and-Bounds回归法，正交变换法，主成分分析以及最新的优化技术遗传算法，得到了一些有意义的结果。同时提出了组合算法和前进选择法的得合算法，结果表明这种算法在一定程度上避免了局部最优且减少了计算量。本论文还利用上述方法进行了一些定量结构活性相关性研究，主要内容：1）环境中有毒有害有机物（苯酚，苯胺，硝基苯）的定量结构活性相性研究。2）抗艾滋病类药物（HEPT）定量结构活性相关性研究。3）抗肿瘤类药物（氮芥子气类化合物和2－甲酸吡啶缩氨基硫脲类化合物定量结构活性相关性研究。4）苯酚和苯胺类衍生物色谱比移值预测。5）将神经网络用于茶叶的分类。