简介：AnoveltopologicalindexWFisdefinedbythematricesX,WandLasWF=XWL.ThetopologicalindexWFbasedonthedistance-relatedmatrixofmoleculargraphsisusedtocodethestructuralenviron-mentofeachatom-typeinamoleculargraph.GoodQSPRmodelshavebeenobtainedforstandardformationen-thalpyofmethylhalides.Theresultindicatesthattheideaofusingmultiplematricestodefinethedistance-relatedmatrixtopologicalindexisvalid.

简介：利用C-O键上C原子电荷Qc和分子所含C原子个数Ⅳ作为醇分子结构描述符对其沸点巩、在水中的溶解度Sw及辛醇／水分配系数（k）进行了QSPR研究．Qc的计算采用Chemoffice8．0中的MOPAC-AM1量子化学法，容易获取，它表征了醇分子同分异构体之间的结构差异．多元回归分析结果表明醇分子的Tb，-lgSw,lgKow都随分子所含C原子数Ⅳ的增加而增加，随着C-O键上C原子电荷Qc的增大而减小，复相关系数均在0．99以上．MOPAC-AM1方法计算的量化参数Qc用于与脂肪醇的水溶解性关联优于分子连接性指数．

简介：

简介：基于邻接矩阵和原子特征值（ｔｉ）建立一种新的结构参数（＾１Ｑ），它对无机分子具有良好的区分能力，并且计算简单，＾１Ｑ用于ＡＸｋ（ｋ＝１，２，３，４）型卤化物的标准生成焓、晶格能、反应截面等物理化学性质的相关性研究，获得了优于文献方法的结果。

简介：在这个工作，二个chemometrics方法被申请建模和一些器官、无机的混合物的electrophoretic活动性的预言。连续设计算法，特征选择(矿泉)策略，被用作描述符选择和模型发展方法。然后，支持向量机器(SVM)和多重线性回归(MLR)当模特儿被利用构造非线性、线性的量的structureproperty关系模型。用SVM模型获得的结果与用MLR获得的那些相比表明SVM模型比MLR那个具有更好预兆的价值。分别地，当时，为训练集合的root-mean-square错误和为SVM模型的测试集合是0.1911和0.2569由MLR模型，他们分别地是0.4908和0.6494。结果证明SVM模型急速地在QSPR研究提高预言的能力并且比MLR模型优异。

简介：Inthiswork,somechemometricsmethodsareappliedforthemodelingandpredictionoftheHildebrandsolubilityparameterofsomepolymers.Ageneticalgorithm(GA)methodisdesignedfortheselectionofvariablestoconstructtwomodelsusingthemultiplelinearregression(MLR)andleastsquare-supportvectormachine(LS-SVM)methodsinordertopredicttheHildebrandsolubilityparameter.TheMLRmethodisusedtobuildalinearrelationshipbetweenthemoleculardescriptorsandtheHildebrandsolubilityparameterforthesecompounds.ThentheLS-SVMmethodisutilizedtoconstructthenon-linearquantitativestructure-activityrelationship(QSAR)models.TheresultsobtainedusingtheLS-SVMmethodarethencomparedwiththoseobtainedfortheMLRmethod;itwasrevealedthattheLS-SVMmodelwasmuchbetterthantheMLRone.Theroot-mean-squareerrorsofthetrainingsetandthetestsetfortheLS-SVMmodelwere0.2912and0.2427,andthecorrelationcoefficientswere0.9662and0.9518,respectively.ThispaperprovidesanewandeffectivemethodforpredictingtheHildebrandsolubilityparameterforsomepolymers,andalsorevealsthattheLS-SVMmethodcanbeusedasapowerfulchemometricstoolforthequantitativestructure-propertyrelationship(QSPR)studies.