遗传算法结合人工神经网络模拟药物在超临界流体中溶解度

为更精确地关联预测药物在超临界流体中的溶解度,提出了遗传算法(GA)与LM-反向传播人工神经网络相结合(GA-LM-BPANN)的模型,并设计了该模型的计算过程,讨论了模型参数的设置。用该模型计算了温度(308～348K)和压力(122～355bar)条件下药物(非那吡啶)在超临界CO2中溶解度。结果表明,计算值与实测值的平均相对误差(AARD)为1.53%,测试集的AARD为3.32%。用Bartle半经验方程得到的计算值与实测值的AARD为14.6%。可见,与Bartle半经验方程相比,GA-LM-BPANN模型的关联和预测精度高,关联范围广。