مدل های جدید مبتنی بر ساختار با استفاده از توصیف کننده های مخلوط برای پیش بینی دمای اشتعال مخلوط های آلی دو جزئی

به دلیل اهمیت مخلوطهای دو تایی و کاربرد وسیع آنها در صنعت، تخمین نقطه اشتعال آنها حائز اهمیت است. از این رو، در این مطالعه، مدل های رابطه کمی ساختار-خاصیت(QSPR) برای پیش بینی نقطه اشتعال پذیری مخلوطهای آلی دو تایی ایجاد شد. بزرگترین چالش در مطالعات QSPR مخلوط ها، محاسبه توصیف کننده عددی برای توصیف ویژگی یک مخلوط است. در این تحقیق، ۲۲ مجموعه از توصیف کننده ها حاصل از روابط ریاضی مختلف برای محاسبه توصیف کننده های مخلوط از توصیف کننده های مولکولی ترکیبات خالص به کار برده شد. الگوریتم کولونی مورچگان حافظه دار(Memorized-ACO) همراه با رگرسیون خطی چند متغیره(MLR) برای انتخاب بهترین زیر مجموعه توصیف کننده هایی که سهم قابل توجهی در خاصیت اشتعال پذیری دارند به کار برده شد. مدل مبتنی بر توصیفگر sqr-fmol-sum به عنوان بهترین مدل انتخاب شد. مقادیر _آموزشR^۲ ,_آزمون R^۲ این مدل به ترتیب ۰/۹۳ و ۰/۹۴ بود. میانگین خطای مطلق (MAE)برای مجموعه داده های آموزشی و آزمون به ترتیب ۳/۷۵ و ۲/۹۷ به دست آمد. یک مدل گروهی نیز از طریق یک راهکار ساده میانگین گیری و با استفاده از مدل هایی که توسط بهترین توصیف کننده ها ایجاد شده بودند، به دست آمد. این امر موجب بهبود کیفیت آماری مدل نهایی QSPR شد.

کلیدواژه ها:

رابطه کمی ساختار-خاصیت ، نقطه اشتعال ، الگوریتم کولونی مورچگان حافظه دار ، توصیف کننده مخلوط ، رگرسیون خطی چند متغیره.