1、該文主要基于人工神經網絡方法,對研究聚合物成膜體系和蛋白質體系的熱力學相平衡性質進行模擬和預測.并對神經網絡中傳統(tǒng)的誤差反向傳播算法進行了改進,最終對改進算法的性能進行了驗證.該文的主要工作可以簡述如下:1.基于水/二甲基乙酰胺/聚砜成膜體系的濁點數(shù)據(jù)對人工神經網絡進行訓練,并用訓練好的網絡預測了其它溫度下雙結點線,這在一定程度上填補熱力學數(shù)據(jù)的不足,從而為非對稱膜制備的實驗研究提供了基礎理論指導.2.基于人工神經網絡對生物大分子蛋白質

2、溶菌酵素體系的溶解度進行了模擬和預測,分析并討論了各因素對蛋白質溶解度的影響.此外,還與傳統(tǒng)熱力學模型預測的結果進行了比較.結果表明,人工神經網絡可以很好地用于預測蛋白質溶菌酵素體系在其它實驗條件下的溶解度,且預測精度高于傳統(tǒng)的熱力學模型.3.針對傳統(tǒng)誤差反向傳播學習算法的不足,分別基于動量規(guī)則、自適應學習速率系數(shù)和修正的Levenberg-Marquardt算法三個方面對學習算法進行了改進.結果表明,基于動量規(guī)則和自適應學習速率系數(shù)這

3、兩種算法在一定程度上能夠提高網絡的預測精度并加快網絡的收斂速率.但與修正的Levenberg-Marquardt算法相比,仍存有不足.因此,對于所研究的復雜大分子體系的相平衡性質,基于修正的Levenberg-Marquardt算法的BP網絡顯示較好的訓練和預測效果.4.引入基于自然界生物進化思想的遺傳算法,結合遺傳算法的并行全局之搜索能力和修正的Levenberg-Marquardt算法快速精確尋優(yōu)之特點,提出了聯(lián)合遺傳優(yōu)化Leven