论文部分内容阅读
在B3LYP／6—31G（d，P）水平上对聚合物单体进行密度泛涵理论算，得到4个量子化学参数（分子偶极矩μ，平均极化率a，熵S及内能Eint）用来建立聚合物玻璃化转变温度Tg的人工神经网络（ANN）模型．误差反向传播的人工神经网络方法用来拟合4个参数与Tg可能存在的非线性关系．通过试差法调整网络参数得到最佳网络条件．模拟最佳网络模型4—4—1，结果表明模拟值与实验值非常接近，训练集与测试集的均方根误差（rmse）分别为17．878K和22．685K，该结果优于线性回归法得到的结果．