[发明专利]有机污染物定量结构活性相关建模的变量筛选方法

摘要

本发明公开了一种有机污染物定量结构活性相关建模的变量筛选方法。首先计算全部的单变量和不同双变量组合的线性模型，二者均保留一定数量的最优模型。然后从保留的双变量线性模型中依次取出一个模型，将其中的两个变量与余下的变量中每一个变量分别组成三变量模型；直到所有保留的双变量模型处理完成，然后比较这些三变量模型的优劣，保留一定数量的最优三变量模型。依此类推，计算到构成模型的变量数满足要求时，停止计算。其中模型的优劣以Leave-One-Out Cross Validation(LOOCV)或者Leave-Multiple-Out Cross Validation(LMOCV)计算的q2或者均方根差RMSEV为终止标准。本发明原理简单，易于理解，容易编程实现，方法快速有效，保障了变量筛选的合理性以及模型的稳定性和预测能力。

主权项

一种有机污染物定量结构活性相关建模的变量筛选方法，其特征在于具体步骤为：(1)、单变量模型计算过程如下：按照变量顺序，依次取一个变量，即模型变量数Vn＝1，建立一元线性模型，计算其相关系数r2，如果相关系数大于给定的临界值rcri，则进行LOOCV或者LMOCV计算，否则选取下一个变量建立一元线性模型，并保留预先设定的Ns个最优的模型，包括模型的变量，r2、q2、RMSEE和RMSEV等统计参数；直到所有变量计算完成；(2)、双变量模型计算过程如下：从所有两个变量的组合中依次选取一个，即模型变量数Vn＝2，建立二元线性模型，计算其复相关系数r2，如果相关系数大于给定的临界值rcri，则进行LOOCV或者LMOCV计算，否则选取下一个双变量组合建立二元线性模型，并保留预先设定的Ns个最优的模型，包括模型的变量，r2、q2、RMSEE和RMSEV等统计参数；直到所有变量计算完成；(3)、三个及三个以上变量模型计算过程如下：三个及三个以上变量模型的变量数Vn≥3，从保留的Ns个变量数为Vn‑1的模型中选取一个模型，以该模型中的变量为基础，从余下的变量中每次选择一个变量与原来的Vn‑1个变量构成变量数为Vn的变量组合，建立Vn元的线性模型，计算其复相关系数r2，如果相关系数大于给定的临界值rcri，则进行LOOCV或者LMOCV计算，否则选取下一个变量组合，建立Vn元线性模型，直到所有变量计算完成；接着选取下一个变量数为Vn‑1的模型，重复以上过程，直到保留的Ns变量数为Vn‑1的模型全部处理完成；然后进行变量数为Vn+1的变量筛选，直到变量数满足要求或者变量数大于样本的5倍为止；并保留预先设定的Ns个最优的模型，包括模型的变量，r2、q2、RMSEE和RMSEV等统计参数。