聚丙烯酸酯类T_g的量子化学-神经网络研究

作     者：刘万强 王学业 李新芳 龙清平 文小红 李建军 LIU,Wan-Qiang;WANG,Xue-Ye;LI,Xin-Fang;LONG,Qing-Ping;WEN,Xiao-Hong;LI,Jian-Jun

作者机构：湘潭大学化学学院湘潭411105 江苏出入境检验检疫局南京210005 

出 版 物：《物理化学学报》 (Acta Physico-Chimica Sinica)

年 卷 期：2005年第21卷第6期

页      面：596-601页

核心收录：

学科分类：081704[工学-应用化学] 07[理学] 08[工学] 0817[工学-化学工程与技术] 070305[理学-高分子化学与物理] 080501[工学-材料物理与化学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0703[理学-化学] 0702[理学-物理学] 

基　　金：湖南省自然科学基金(02JJY2019) 湖南省中青年科技基金(01JZY2099)资助项目~~ 

主　　题：丙烯酸酯类 Tg 人工神经网络方法 密度泛函方法 量子化学参数 偏最小二乘法 模式识别方法 结构单元 玻璃化温度 轨道能级 定性关系 热力学能 聚合物基 定量关系 逐步回归 相关系数 预测结果 预报结果 实验值 计算表 分支数 

摘      要：用密度泛函方法在6-31G(d)基组上优化了38种聚丙烯酸酯类的结构单元,得到了其单元的量子化学参数,探讨了这些参数与聚丙烯酸酯类玻璃化温度(Tg)的关系.计算表明,影响聚丙烯酸酯类Tg的主要因素有结构单元的侧链长度、侧链的分支数、最高占据轨道能级、极化率、偶极矩、等体积热容和热力学能等参数.用模式识别方法(偏最小二乘法)讨论了这些参数与Tg的定性关系,两类Tg大小不同的聚合物基本分布在不同区域,用逐步回归和人工神经网络方法建立了这些参数与Tg的定量关系,2种方法的预测结果与实验值的相关系数分别为0.9753、0.9985,标准偏差分别为18.42、4.25,预报结果与实验值基本一致.