[发明专利]含能物质感度和力学性能及其关系的机器学习估算方法

权利要求书

1.一种含能物质感度和力学性能及其关系的机器学习估算方法，其特征在于，所述含能物质感度和力学性能及其关系的机器学习估算方法以E-Dragon计算的分子描述符和几种基本的分子结构信息作为特征，基于人工神经网络和确定独立筛选和稀疏运算符方法构建7个硝基含能物质的撞击感度和体积模量的定量构效关系模型，利用构建的硝基含能物质的撞击感度和体积模量的定量构效关系模型确定硝基含能物质撞击感度与力学性能间的关系，以及硝基含能物质撞击感度与力学性能分别与分子结构间的定量关系；

所述分子描述符计算方法包括：

(1)计算分子描述符：

采用E-Dragon1.0软件，以SMILES字符串为基础在线计算了每个分子的1666种分子描述符；从剑桥晶体数据库CSD中获得硝基含能化合物的晶体密度，从含能材料分子式C_aH_bO_cN_d中提取出每个物质的C、H、O、N原子数目和分子量；

其中，a、b、c、d分别表示分子中C、H、O、N元素的原子数，M为相对分子质量，单位为g/mol，OB为含能分子的氧平衡，单位为g/g；所述氧平衡数值计算公式为：

(2)使用统计方法约简描述符的数量，获得用于构建QSPR模型的所需描述符；

所述筛选后用于构建QSPR模型的特征描述符和目标性质整理为如下4个数据集；

Dataset-1：以体积模量为目标性质获得14种分子描述符；包含结构描述符、信息指数、边缘邻接指数、BCUT描述符、几何描述符、3D-MoRSE描述符、GETAWAY描述符、原子中心片段、分子性质共9类描述符；

Dataset-2：以撞击感度为目标性质获得17种分子描述符，包含2D自相关描述符、几何描述符、RDF描述符、3D-MoRSE描述符、WHIM描述符、GETAWAY描述符、分子性质共8类描述符；

Dataset-3：撞击感度与体积模量、晶体密度、氧平衡、分子量、CHON原子数目8种特征；

Dataset-4：将撞击感度和体积模量共同作为目标性质，对两次分别筛选出的描述符进行合并去重，获得26种描述符，包含10类描述符；

所述硝基含能物质的撞击感度和体积模量的定量构效关系模型构建方法包括：采用Dataset-1、Dataset-2、Dataset-3、Dataset-4作为数据集，将数据集随机划分为两个子集，80％的数据作为训练集，20％的数据做为测试集；利用SISSO和ANN两种方法对Dataset-1、Dataset-2、Dataset-3、Dataset-4共4个数据集建模，得到7个硝基含能物质的撞击感度和体积模量的定量构效关系模型；

所述硝基含能物质的撞击感度和体积模量的定量构效关系模型分别为：

Model-1：体积模量与对应的14种分子描述符的ANN模型，Dataset-1；

Model-2：撞击感度与对应的17种分子描述符的ANN模型，Dataset-2；

Model-3：撞击感度与体积模量、晶体密度、氧平衡、分子量、CHON原子数目共8种特征的ANN模型，Dataset-3；

Model-4：撞击感度和体积模量与对应的26种分子描述符的ANN模型，Dataset-4；

Model-5：体积模量与14种分子描述符的SISSO模型，Dataset-1；

Model-6：撞击感度与17种分子描述符的SISSO模型，Dataset-2；

Model-7：撞击感度与体积模量、晶体密度、氧平衡、分子量、CHON原子数目共8种特征的SISSO模型Dataset-3。