文档介绍：基于 QPSO 优化的聚合物玻璃化转变温度的
支持向量回归研究
重庆大学博士学位论文
学生姓名:裴军芳
指导教师:蔡从中研究员
专业:凝聚态物理
学科门类:理学
重庆大学物理学院
二 O 一二年十月
Quantum-behaved Particle Swarm
Optimization Based Study on Glass
Transition Temperatures of Polymers with
Support Vector Regression
A Thesis Submitted to Chongqing University
in Partial Fulfillment of the Requirement for the
Doctor’s Degree of Science
By
Junfang Pei
Supervised by Prof. Congzhong Cai
Specialty:Condensed Matter Physics
College of Physics of Chongqing University,
Chongqing, China
October 2012
中文摘要
摘要
玻璃化转变温度(Tg)是非晶态聚合物的一个重要的物理性质,是涉及动力学和
热力学的众多前沿问题之一,也是凝聚态物理基础理论中的一个重要问题和难题。
由于玻璃态是一种热力学上的非平衡态,玻璃化转变并不是发生在某一突变点,
而是一个转变温区,且这种转变温度容易受实验条件,如实验持续的时间、压强
等的影响,所以用不同的实验方法来测量高分子的玻璃化转变温度往往存在不同
程度的偏差(有时高达 10K 以上)。聚合物的分子结构决定了其物理/化学性能,其
结构与性能之间关系复杂。研究和认识它们之间的规律性,对于准确预测聚合物
的性能具有十分重要的意义。
本论文采用多种传统和现代的数据回归理论与方法,针对不同类聚合物材料
的结构与 Tg 之间的关系进行了建模/预测研究。重点是结合量子粒子群优化(QPSO)
算法和支持向量回归(SVR)建模理论,对聚甲基丙烯酸酯类聚合物、乙烯基聚合物、
苯乙烯聚合物和聚丙烯酰胺类聚合物的 Tg 进行了建模研究。具体研究内容如下:
(1) 基于Gaussion03程序,用DFT/B3LYP方法优化计算的聚甲基丙烯酸酯类结
构单元的6个量子化学参数(侧链长度(L),分子总能量(Etot),C6原子的净电荷(qC6),
-
分子中原子最大负净电荷(q ),热力学内能(Etherm)和分子平均极化率(α)),应用
QPSO-SVR方法预测其Tg,预测结果与文献报道的多元线性回归(MLR)和人工神经
网络(ANN)模型预测结果进行了对比。结果表明,在相同的25个训练样本和7个测
试样本集下,QSPO优化的SVR模型预测的均方根误差(RMSE),平均绝对误差
(MAE),平均绝对百分误差(MAPE)和相关系数(R2)都要优于MLR和ANN的预测结
果。此外,为了进一步检验SVR模型的预测效果,用已建立的SVR模型对5个独立
样本的玻璃化转变温度进行了预测,统计结果显示,,表明所建立
的SVR模型可以用于预测具有相似结构的聚甲基丙烯酸甲酯类聚合物的Tg。最后,
为了更进一步的检验SVR回归模型的预测能力及可信度,本文还将全部37个样本
根据K最近邻(KNN)分类算法,按照50%、25%和25%比例分别划分训练样本、测
试样本和独立样本。重建的SVR模型对测试样本和独立样本预测的MAEs分别为
,结果表明,训练样本个数越多,SVR预测和泛化性能越好;SVR能
有效地处理小样本建模回归问题。
(2) 基于分子中原子最负电荷(q-),分子平均极化率(α)、拓扑描述符(n,ROM),
提出并利用 S-SAR 及 PSO-SVR,对 202 个乙烯基聚合物 Tg 进行了建模和预测研
究,预测结果与 ANN 的预测结果进行了比较。结果表明,基于相同的训练样本和
测试样本,QPSO-SVR 拟合/预测能力(RMSE=, R2=)优于传统的
I
重庆大学博士学位论文
S-SAR(RMSE=, R2=)和 ANN(RMSE=, R2=)方法,其预测
准确率更高、预测效果更好。为了进一步检验 SVR 模型的预测效果,我们在乙烯