بررسی روابط کمی ساختار- فعالیت آزولها بعنوان عوامل بازدارنده خوردگی مس
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 831
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCNC01_249
تاریخ نمایه سازی: 14 شهریور 1392
چکیده مقاله:
در این تحقیق، ارتباط مابین ساختار آزولها و فعالیت بازدارنده خوردگی آنها در مورد عنصر مس بررسی شده است. بدین منظور ساختار بازدارندهها با نرمافزارHyper chemترسیم و بهینه شدند.توصیفگرها توسط نرمافزارDragonاستخراج شده و سپس تعداد آنها به روش تحلیل اجزاء اصلی، کاهش داده شده و به همراه توصیفگرهای تجربی که شامل متغیرهای غلظت، زمان pH و دما بودند ، ماتریس دادههای مستقل را تشکیل میدهند، درصد بازدارندگی خوردگی آزولها نیز ماتریس دادههای وابسته را تشکیل میدهد این دادهها به س ه گروه آموزشی، ارزیاب ی و شبیهسازی تقسیم شدند.با دادههای آموزشی مدلهای خطی مرتبه اول و دوم ساخته شد و سپس این مدلهای ساخته شده با دادههای ارزیابی و شبیهسازی بررسی شدند. با توجه به نتایج حاصل، همبستگی بین خروجی حاصل ازمدلهای خطی و دادههای تجربی کمتر بوده و نیز خطای ما بین خروجی مدلها و درصد بازدارندگی خوردگی آزولها برای فلز مس بیشتر میباشد؛ که این بدلیل عدم وجود ارتباط خطی مابین متغیرهایمستقل و وابسته میباشد. برای برقراری ارتباط غیرخطی ما بین این متغیرها، از شبکه عصبی مصنوعی با الگوریتم یادگیری انتشار معکوس خطاها استفاده شد. پس از بهینهسازی شبکه بتوسط دادههایآموزشی و ارزیابی ، مدل حاصل با دادههای شبیه سازی مورد بررسی قرار گرفت. نتایج حاصل نشان دهنده همبستگی خوب بین داههای حاصل از مدل غیرخطی شبکه عصبی مصنوعی و دادههای تجربی میباشد همچنین خطای پایین این مدل، ارتباط غیر خطی مابین متغیرهای مستقل(ساختاری و تجربی) و درصد بازدارندگی خوردگی آزول ها در مورد عنصر مس را تایید میکند.
کلیدواژه ها:
خوردگی مس- بازدارندهها - آزولها- شبکه عصبی مصنوعی -QSAR
نویسندگان
ابراهیم قربانی کلهر
دکتری شیمی تجزیه
سیدرضا نبوی
دکتری شیمی کاربردی
لیلا عالمی پروین
کارشناسی ارشدشیمی تجزیه
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :