[发明专利]基于遗传算法的有机化合物燃爆特性预测方法

权利要求书

1.一种基于遗传算法的有机化合物燃爆特性预测方法，其特征是它包括以下步骤：

(1)分子结构的描述：

根据已知的有机化合物分子结构，计算用于反映分子结构信息的各类结构参数，实现分子结构信息的参数化描述；

(2)特征结构的选取：

使用具有强大全局搜索功能的遗传算法与偏最小二乘方法相结合的GA-PLS算法进行特征变量筛选，从步骤(1)计算出的大量结构参数中筛选出与所研究燃爆特性最为密切相关的、包含丰富结构信息的一系列参数作为描述分子特征结构的描述符；特征变量筛选步骤为：

(a)初始化群体：随机产生一系列二进制编码的字符串，字符串的长度等于预测变量的个数，字符串的每个字符对应于一个预测变量，相应字符为1或0表示该预测变量被模型选用与否，字符串中标记为1的字符的数目就是相应模型选用的预测变量的数目；

(b)个体适应度评价：适应度表征相应个体所代表的模型性能的好坏，适应度高的个体有较高的概率被保留，而被复制到下一代；而适应度低的个体则有较高的概率被删除；因此，个体适应度评价是GA-PLS算法中一个关键步骤，它决定了GA-PLS算法的搜索方向，也就决定了该算法性能的好坏；选用“留1/10法”交互验证的均方根误差作为适应度函数；“留1/10法”交互验证是指从训练集中每次筛除训练样本数的1/10个化合物，用其余的化合物建模，来预测所筛除化合物的性质，这样得到一个交互验证的均方根误差(RMS)来评价模型性能的好坏，其计算公式为：

Σi=1n(yi,pred-yi,exp)2n;]]>

(c)遗传操作：根据适应度的大小对群体进行复制操作，将适应度大的个体复制到下一代，小的则淘汰，从而实现“适者生存，优胜劣汰”的操作，采用比例选择法进行复制操作；交叉操作交换相互配对的两个个体的部分基因，从而产生新的个体，它是GA-PLS算法产生新个体的主要手段，决定了该算法的全局搜索能力，采用的是单点交叉法；变异操作通过改变个体字符串上某个或某些字符模拟生物的基因突变现象达到产生新个体的目的，它是GA-PLS算法产生新个体的辅助方法，决定了该算法的局部搜索能力，并且维持群体中个体的多样性，采用基本位变异进行变异操作；

所述的遗传算法的主要运算过程为：①初始化：随机生成m个个体组成初始群体P₀，其中每个个体对应于所研究问题的一个可行解；设置进化代数计数器，t＝0；设置最大进化代数T；②个体评价：计算群体P中每个个体的适应度；③执行复制、交叉和变异的遗传操作；④终止判断：若t≤T，则进化代数加1，转到第2步；否则终止迭代运算，以进化过程中得到的具有最大适应度的个体作为最优解输出；

(d)终止判断：判断算法是否达到最大迭代次数，确定算法继续进行迭代运算或者终止并输出结果；采用最大进化代数作为GA-PLS算法的终止条件；

(3)预测模型的建立：

使用统计建模方法，对步骤(2)所选用的描述符与所研究燃爆特性之间的内在定量关系进行统计学习，得到已有有机化合物燃爆特性与关键分子结构特征之间的定量系数关系；

(4)燃爆特性计算：

针对需要预测相关燃爆特性的有机化合物的分子结构，根据步骤(2)所筛选出的相关描述符，计算出相应的关键分子结构特征值，将其代入步骤(3)所建立的预测模型进行计算，即可得到有机化合物的相关燃爆特性。

2.根据权利要求1所述的预测方法，其特征在于步骤(1)中所述的各类结构参数包括分子的拓扑参数、组成参数、几何参数、电性参数、电性拓扑参数以及量子化学参数。

3.根据权利要求1所述的预测方法，其特征在于所述的燃爆特性包括闪点、自燃点、爆炸极限和燃烧热。