分子电性距离矢量用于FCC汽油中硫化物的QSRR研究  

Study on QSRR for Sulfide in FCC Gasoline Using Molecular Electronegativity-Distance Vector

作　　者：张晓彤[1,2] 王芳[1] 姚岳[1] 孙兆林[1] 宋丽娟[1] 孙挺[2] 

机构地区：[1]辽宁石油化工大学,辽宁省石油化工催化科学与技术重点实验室,辽宁抚顺113001 [2]东北大学理学院,沈阳110004

出　　处：《化学分析计量》2014年第4期6-10,共5页Chemical Analysis And Meterage

基　　金：国家自然科学基金项目(20976077);辽宁省教育厅资助项目(2008T110)

摘　　要：采用拓扑结构描述符中的分子电性距离矢量(MEDV),对催化裂化(FCC)汽油中48种硫化物在PONA柱上的气相色谱保留指数值(RI)建立多元线性回归模型和神经网络BP模型,并进行模型对比。结果表明,MEDV能很好分辨FCC汽油中不同硫化物以及同种硫化物异构体,由此建立的定量结构–保留相关关系的多元线性回归(MLR)模型和神经网络BP模型都具有较好的稳定性和良好预测能力,而非线性BP模型优于MLR模型的预测能力。Molecular electronegativity distance vector （MEDV） based on topological structure was used to establish multiple linear regression （MLR） model and back propagation （BP） neural network model about gas chromatographic retention index value of 48 kinds of sulfides in fluid catalytic cracking （FCC） gasoline on the PONA columns. Furthermore, these models were compared. The results showed that MEDV could well distinguish different types of sulfides and sulfide isomers in FCC gasoline,so MLR model and BP neural network model with quantitative structure-retention relationship had strong stability and good predictive ability. But the predictive ability of BP model was superior to MLR’s.

关 键 词：分子电性距离矢量 定量结构-保留关系 多元线性回归 BP神经网络 硫化物 

分 类 号：O656.4[理学—分析化学]