В работе представлены результаты прогноза чувствительности к удару h50 226 взрывчатых веществ с общей формулой CaHbNcOd с использованием простейших атомарно-молекулярных дескрипторов. Получены эмпирические выражения, используемые в качестве признаков при расчетах выходной характеристики. Показана эффективность применения группировки данных с учётом коэффициентов взаимной корреляции признаков и выходной характеристикой. Для разбиения данных на кластеры выбран алгоритм группировки Уорда, что привело к выделению группы веществ с высокой чувствительностью к удару. Прогнозирование проводилось на двух моделях нейронных сетей простой и сложной конфигурации, в которых варьировались размер обучающей выборки, количество нейронов и входные данные. Коэффициент корреляции при расчёте всей базы данных равен 0,785, а для второй группы – 0,892. Отношение средней ошибки результатов расчета и её среднеквадратического отклонения генеральной выборки к выделенной второй группе составило соответственно 6,00 и 9,33.
This paper describes results of the calculating impact sensitivity h50 for CaHbNcOd groups explosives using their atomic-molecular structure. New empiric expression including for prediction are introduced. Comparing of interdependence correlation coefficient values of various atomic-molecular descriptors several combinations are created. Ward`s grouping algorithm was used for separation of data base. For calculating h50 for general and second bases used neural networks that have three neurons block with individual activation function in hidden layer and for the first one each layer connected only the previous layer. Best combinations of entrance variables for this case are fond. Forecast`s results for general samples have correlation coefficient R = 0,785, mean error value 35,01 cm and mean square of error deviation 33,80 cm. The predicted impact sensitivity for second group have better correlation coefficient R = 0,892, mean error value 5,80 cm and mean square of error deviation 3,62 cm. In case of first cluster mean error value 65,45 cm and mean square of error deviation 45,54 cm that are worse than calculated result for all base at once. But it is quite possible that repeated application of classify in second base reduce to improvement of prediction result.
1. Chen D.S. Neural Network Correlations of Detonation Properties of High Energy Explosives / D.S. Chen, D.S. H. Wong, C.-Y. Chen // Propellants, Explos. – Pyrotech. 23, 1998. – P. 296–301.
2. Keshavarz M.H. Simple Relationship for Prediction Impact Sensititvity of Nitroaromatics, Nitramines, and Nitroaliphatics // Propellants, Explos. – Pyrotech. 35, 2010.– P. 175–181.
3. Keshavarz M.H., Investigation of Various Structure Parameters for Predicting Impact Sensitivity of Energetic Molecules via Artificial Neural Network / M.H. Keshavarz and M. Jaafari // Propellants, Explos. – Pyrotech. 31. – 2006. – № 3. – P. 216–225.
4. Mullay J.A Ralationship between Impact Sensitivity and Molecular Electronegativity / J. Mullay // Propellants, Explos. – Pyrotech. 12, 1987. – P. 60–63.
5. Nefati H. Prediction of the Impact Sensitivity by Neural Networks / H. Nefati, J.-M. Cense, and J.-J. LegJ. Chem. Inf. Comput. Sci.36. – 1996. – P. 804–810.
6. Song X.-Sh. Relationship between the Bond Dissociation Energies and Impact Sensitivities of Some Nitro-Explosives / X.-S. Song, X.-L. Cheng, X.-D. Yang, B. He // Propellants, Explos., Pyrotech. 31. – 2006. – № 4. – P. 306–310.
7. Ward J. H. Hierarchical Grouping to Optimize an Objective Function / J.H. Ward, Jr. // Journal of American Statistical Association, 58. – 1963.– P. 236–244.
8. Wingborg N. Triaminoguanidine Dinitramide, TAGDN: Synthesis and Characterization / N. Wingborg and N.V. Latypov // Propellants, Explos., Pyrotech. 28. – 2003. – № 6. – P. 314–318.