基于卷积神经网络的新污染物PBT预测方法

本发明公开一种基于卷积神经网络的新污染物PBT预测方法，包括以下步骤：获取化合物的SMILES数据，以及新污染物的PBT数据，其中，对SMILES数据和PBT数据分别进行预处理，生成SMILES字符嵌入向量和PBT属性指标；以SMILES字符嵌入向量作为自变量，PBT数据作为因变量构建卷积神经网络预测模型，采用卷积神经网络预测模型学习SMILES字符嵌入向量与PBT数据之间的关联特征；根据关联特征，预测SMILES数据对应的PBT属性指标。本发明的有益效果是：分子信息获取效率较高，避免了人为因素对对分子标识信息的干扰，同时提高了模型预测能力，稳定性也较高。再有，由于本方案采用文本数据进行预测，因此只需要采用CPU进行运算，计算速度快，无需GPU资源参与，节约大量的成本投入。